yolov7训练自己的数据集out of memory

最新推荐文章于 2024-05-15 13:43:49 发布
最新推荐文章于 2024-05-15 13:43:49 发布
阅读量1.2k 收藏 2
点赞数 1
文章标签： 人工智能 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_61429496/article/details/126668429
版权

跑yolov7想用无人机数据集VisDrone，四张2080跑128的batchsize根本跑不起，于是跳到32，跑通了，结果没多久又oom了。

使用一张2080，batchsize设为8进行实验，发现第一个epoch时为7.39G，跑到第30个epoch已经暴涨到10.5G，而2080只能到11G左右，所以肯定跑不完300个epoch。

为什么一边跑显存一边飞涨呢？而且每个数据集情况不一样。

再测试一下四卡跑8的batchsize，看看能不能跑到收敛，实在不行只能用四张3090或者八张2080一起训练了，太难受了。

一道leetcode编一天
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
解决Python运行文件出现out of memory框的问题
09-19
今天小编就为大家分享一篇解决Python运行文件出现out of memory框的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
使用Yolov7遇到的一些问题的解决方法
m0_54188335的博客
08-15 8115
使用Yolov7遇到的一些问题的解决方法
解决训练时显存不断增大问题
axept的博客
03-04 5179
解决训练时现存不断增大问题 问题描述：在训练时显存不断增大，最终显存爆炸 在上一篇提到，为了解决这个问题我无意间解决了另一个问题，但发现那个问题并不是根本原因，于是我又查阅了一些资料，经过一番尝试后找到了真正原因。 首先网上有一些解决方法，例如： 但是经过尝试，无论添加与否，显存还是在不断增加 最终原因是由于我在训练时将一个中间结果不断地存进了一个列表里，并始终没有清空，最终导致了显存爆炸的问题 最终注释掉这一行成功解决问题，在循环中尽量少用append方法，如果要保存中间结果，利用np.save等方法
yolov7在检测的时候报RuntimeError: CUDA out of memory. Tried to allocate
jiange1614的博客
07-28 3029
yolov7检测的时候报RuntimeErrorCUDAoutofmemory.Triedtoallocate。
关于模型训练中显存占用过大的或直接报显存爆炸的解决方法
阿杜的博客
04-03 5873
模型训练显存爆炸解决方法 在模型训练中，应该理解梯度、反向传播、图层、显存这些概念，在模型训练过程中，一般会分为训练+验证+测试 ，在这些过程中，一般在训练过程中会比较占用显存，因为涉及到反向传播，需要大量的梯度，这些数据又存放在显存中。 在今天模型的训练中，突然发现可以训练，但是在验证过程中出现显存爆炸炸，提示我显存不足，我就很纳闷，一直在找问题，终于发现了： 在我的训练代码中： for epoch in range(0, epoch_num): net.train()
YOLOv7-pose运行过程中出现RuntimeError: CUDA out of memory. Tried to allocate 8.14 GiB的错误。
weixin_43501408的博客
05-24 523
问题描述：在跑YOLOv7-pose代码时，出现了下面这个错误RuntimeError: CUDA out of memory. Tried to allocate 8.14 GiB (GPU 0;事实上，之前跑YOLOv5代码的时候也出现了这个报错，具体YOLOv5的哪个版本就忘了。怀疑是参数量大的版本，因为YOLOv7-pose的权重文件是161.2MB。之前遇到这个错误，网上看见的说法都是说电脑显存不够用，估计换个更高配置的显卡也能解决这个问题。解决办法：我尝试把电脑重启了一下，然后问题就解决了。
yolov7的训练问题
guanshanjushi2的专栏
08-03 3200
yolov7的训练问题
改进yolov7时出现CUDA out of memory问题
weixin_44280747的博客
11-25 1657
改进yolov7时出现显存不够的问题
Pytorch GPU显存充足却显示out of memory的解决方式
09-18
今天小编就为大家分享一篇Pytorch GPU显存充足却显示out of memory的解决方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
详解Pycharm出现out of memory的终极解决方法
09-17
主要介绍了详解Pycharm出现out of memory的终极解决方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
Git使用小坑 Out of memory错误的解决方法
09-30
主要介绍了Git使用小坑 Out of memory错误的解决方法,需要的朋友可以参考下
Android避免内存溢出（Out of Memory）方法汇总
08-31
主要为大家详细介绍了Android避免内存溢出Out of Memory方法汇总，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
yolov5 提速多GPU训练显存低的问题
热门推荐
zqwwwm的博客
11-11 1万+
yolov5多GPU训练显存低 修改前： 按照配置，在train.py配置如下： 运行 python train.py 后nvidia-smi 显示显存占用如下： 修改后 参考yolov5 官方中的issue中，有人提到的分布式多进程的方法： 在yolov5运行的虚拟环境下，找到torch的distributed 的环境：比如我的在conda3/envs/rcnn/lib/python3.6/site-packages/torch/distributed/； 在distributed文件下，新建多进程的
yolov5训练自己的数据集（Windows环境30显卡）
weixin_42314775的博客
07-20 316
1：搭建好环境 Yolov5的配置+训练（超级详细！！！）_yolov5训练_小学生玩编程的博客-CSDN博客 anaconda pytorch ........ 激活环境 conda activate pytorch 2：下载labelimg 这里主要讲的是在window系统中的安装，首先打开cmd命令行（快捷键：win+R）。进入cmd命令行控制台。输入如下的命令： pip install labelimg -i Simple Index 创建目录：
笔记本3060显卡使用yolo-v4训练报错显存不足处理
wuxin_variable的博客
04-12 5142
笔记本 3060 显卡使用yolo-v4训练报错显存不足
昨天跑了前35个周期的训练没问题，但是今天断点加载后反而爆了显存。怎么解决
weixin_42319405的博客
04-16 497
checkpoint = torch.load('./model_checkpoint_epoch_35.tar') # 先反序列化模型， torch.load()括号里添加的是之前保存的数据的路径（含后缀）我完全不改代码，只是不加载.tar文件，重新开始跑，仍然没问题。但是一旦加载.tar文件就爆显存。以下是我的断点保存代码和重续代码。torch.cuda.empty_cache() ，希望能释放内存，仍然爆显存。这套代码之前也没出现过问题，但是这次跑的模型参数量比之前的要大一点。
yolov7 训练自己数据
weixin_43760045的博客
10-03 237
yolov7 训练自己的数据集
模型预测过程中：cuda out of memory
weixin_45636772的博客
11-29 1066
yolov7预测过程中cuda out of memory，加了torch.cuda.empty_cache()依然无效
智能决策引擎架构设计
最新发布
猫七姑娘的小博客
05-15 1422
智能决策引擎系统是在大数据支撑下，根据行业专家经验制定规则策略、以及机器学习/深度学习/AI领域建立的模型运算，对当前的业务进行全面的评估，并给出决策结果的一套系统。一套商业决策引擎系统动辄百万而且需要不断加钱定制，大多数企业最终仍会走上自研道路，市场上有些开源规则引擎项目可参考，比较出名的开源规则引擎有drools、urule，都是基于Rete算法，都是基于java代码实现，一些企业会进行二次开发落地生产。而这类引擎功能强大但也比较“笨重”，易用性以及定制性并不够好，对其他语言栈二次开发困难。
yolov5训练数据集 用yolov5x.yaml，报错CUDA out of memory.
07-28
根据引用\[1\]和引用\[2\]的内容，你使用的是yolov7和yolov5x.yaml进行训练。而根据引用\[3\]的报错信息，你遇到了CUDA内存不足的问题。这个问题通常是由于模型和数据集的大小超过了GPU的内存容量所导致的。 解决这个问题的方法有几种： 1. 减小批量大小（batch size）：减小每次训练时加载到GPU的数据量，可以通过减小批量大小来解决内存不足的问题。你可以尝试将批量大小设置为更小的值，比如从引用\[1\]中的16减小到8。 2. 减小模型的大小：如果你的模型太大，超过了GPU的内存容量，可以尝试减小模型的大小。你可以尝试使用更小的模型，比如从yolov5x.yaml改为yolov5s.yaml。 3. 增加GPU的内存容量：如果以上方法无法解决问题，你可以考虑使用具有更大内存容量的GPU进行训练，或者使用多个GPU进行训练。 总结起来，要解决"yolov5训练数据集用yolov5x.yaml，报错CUDA out of memory"的问题，你可以尝试减小批量大小、减小模型的大小或增加GPU的内存容量。这样可以帮助你解决CUDA内存不足的问题。 #### 引用[.reference_title] - *1* *2* [yolov7训练自己的数据集及报错处理](https://blog.csdn.net/weixin_53660567/article/details/127201172)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [yolov5测试报错：RuntimeError: CUDA out of memory.](https://blog.csdn.net/qq_22764813/article/details/126467704)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值