yolov8训练中出现问题

AMP: checks failed ❌. Anomalies were detected with AMP on your system that may lead to NaN losses or zero-mAP results, so AMP will be disabled during training. 
torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 74.00 MiB. GPU

即GPU 显存不足

解决办法：

1. 降低图像尺寸：若你当前设置的图像尺寸是 1024x1024 像素。尝试减小 imgsz 参数的值，例如减小到 512 或 640 像素，这样可以减少每次迭代所需的显存。

2. 减少批量大小：批量大小（batch 参数）影响每次迭代中处理的图像数量。减小批量大小可以减少每次迭代所需的显存。

3. 使用更多的数据加载器工作进程：通过增加 workers 参数的值，可以提高数据加载的效率，但这也可能增加内存的使用。如果你的 CPU 资源充足，可以尝试增加这个值。

4. 关闭自动混合精度（AMP）：错误信息中提到 AMP 检测失败，这可能影响训练的稳定性。你可以尝试手动关闭 AMP，即使用命令行参数 --amp False。

5. 优化数据加载：确保数据加载和预处理步骤尽可能高效，避免不必要的内存使用。

6. 清理显存：在训练前关闭不必要的应用程序和进程，确保 GPU 显存尽可能多地被释放。

7. 使用具有更多显存的 GPU：如果可能的话，尝试使用具有更多显存的 GPU，例如从 GTX 1080 Ti 切换到更高级的 GPU。

8. 检查代码和模型：有时候，显存不足可能是由于代码中的内存泄漏或模型中的某些操作导致的。检查代码和模型定义，确保没有不必要的显存占用。

9. 分阶段训练：如果模型非常大，可以考虑分阶段训练。先训练模型的一部分，然后逐步增加训练的复杂性。

10. 使用显存监控工具：使用如 nvidia-smi 或 TensorBoard 等工具监控显存使用情况，以便更好地理解显存不足的原因。