三类目标检测

RetinaFace-pytorch-CPU

视频讲解

BV1yK411K79y（Bubbliiiing）

将CPU版切换为CPU版

1.安装CPU版pytorch
直接运行，根据报错修改
2.RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=‘cpu’ to map your storages to the CPU.
出错语句：

torch.load(model_path)

修改为：

torch.load(model_path, map_location='cpu')

3.AssertionError: Torch not compiled with CUDA enabled
出错语句：

image.cuda()

修改为：

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
image.to(device)

训练集中包含无目标图片时报错

训练车牌定位模型时，将CCPD2019-np（没有车牌）纳入训练集时报错

最后还是把np删掉了…ORZ

pytorch报错CUDA out of memory

与图片尺寸无关，模型问题
1.with torch.no_grad():
好像是不参与反向传播，从而节省存储
没用
2.减小batch_size
运行时间会极大增加
不一定有用
3.指定GPU
改变系统变量使得仅目标显卡可见

python xxx.py export CUDA_VISIBLE_DEVICES=0 #GPU编号从0开始 

在程序开头设置

os.environ["CUDA_VISIBLE_DEVICES"] = '0,1,2,3'

使用CUDA_VISIBLE_DEVICES=0,1,2,3 python xxx.py指令来执行

使用torch.cuda接口，在生成网络对象之前执行

torch.cuda.set_device(0)

或者使用pytorch的并行GPU接口

net = torch.nn.DataParallel(model, device_ids=[0])

初始化模型时

net = net.cuda(0)

当有多个GPU时可用
4.释放不需要的显存

torch.cuda.empty_cache()

还是不够
换显卡是最有效的