YOLOv8环境配置小记

主要基于此视频

【Python_YOLO简易教程】手把手实现火焰检测，超详细yolov8物体检测教程_哔哩哔哩_bilibili

此文章YOLOv8训练自定义数据集(超详细)_往事如yan的博客-CSDN博客

环境：python310、pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117、nVidia的da配置看上文B站视频。

运行命令 `E:\0PLAY\py310\Scripts\yolo.exe task=detect mode=train model=yolov8n.pt data=data.yaml epochs=100 `

遇到错误：OSError: [WinError 1455] 页面文件太小,无法完成操作

解决方法如下：

在跑深度学习程序时，遇到了这个bug：
OSError: [WinError 1455] 页面文件太小,无法完成操作

解决方式目前查到三种：
1、重启pycharm
长时间运行pycharm可能会在后台占用大量内存。重启清除内存也许会解决问题。
但对我来说并无作用。

2、调大页面文件的大小
看到有人说这种方法管用
具体可以参考下面这篇教程
传送门，戳这

3、把num_workers设置为0
有用！
在dataset.py文件中，可以搜索到num_workers变量，修改为0，解决这个报错问题。

num_workers是什么？
num_workers即工作进程数，在dataloader加载数据时，num_workers可以看作搬砖的工人，将batch加载进RAM，工人越多加载速度越快。一般这个数量设置值是自己电脑/服务器的CPU核心数。
如果num_worker设为0，意味着每一轮迭代时，dataloader不再有自主加载数据到RAM这一步骤（因为没有worker了），而是在RAM中找batch，找不到时再加载相应的batch。
缺点：导致训练速度变慢