刚换了4090,看到yolov9出了,于是趁热度本地部署并简单跑一下COCO做时长性能测试。
没有用官方推荐的Nvidia-docker(配置好之后还是有点问题,不能成功运行和导入预训练模型,应该是我自己的配置问题),选择conda+Python3.9+cuda11.5+torch1.11.0,其余直接 'pip install -r requirements.txt' 即可。
有点需要注意的是建议装完环境后把pillow退回到9.5.0('pip install Pillow==9.5.0'),保持更高版本也会正常运行,但会报错没有getsize函数,退版本后只有一个warning,不影响运行。
直接借助yolov9-c.pt预训练模型进行detect检测,需要先进入utils/general.py中在 'device=prediction.device' 语句前添加一句 'prediction=prediction[0]' ,我实测不添加的话会遇到报错list没有divice变量。检测效果确实很棒(那个红酒杯和遥控器吓到我了),如下所示:
使用coco2017跑一个epoch,其余默认,4090实测最高显存占用能达到24153MB(几乎爆了就岌岌可危属于是),一个epoch训练时长接近58min,大家可以自己比较。