使用YOLO网络对图像进行目标检测时，CUDA Error: out of memory

最新推荐文章于 2024-08-27 10:57:23 发布
最新推荐文章于 2024-08-27 10:57:23 发布
阅读量1.5k 收藏 4
点赞数
文章标签： 目标检测 深度学习 YOLO bug 人工智能
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/qq_40307605/article/details/88542714
版权

环境：Ubuntu14，CUDA8.0、Cudnn5.1、opencv3.1.0、

显卡：GTX1050 运行内存：2G

在darknet编译好后（GPU=1，CUDNN=1，OPENCV=1），下载好weights文件，试运行

./darknet detect cfg/yolov3.cfg models/yolov3.weights data/dog.jpg

报错：

CUDA Error: out of memory
darknet: ./src/cuda.c:36: check_error: Assertion `0' failed.

原因：1050运行内存太小，YOLOv3模型加载到GPU中导致内存溢出。

解决方法

gedit path_to/darknet/cfg/yolov3.cfg    #也可以先备份一下

修改配置文件

batch=1
subdivisions=1
width=416   
height=416     #参数可以根据自己的显卡性能修改，目的是减小占用内存

如果仍然不够，长短再各减32，以此类推

参考：https://github.com/pjreddie/darknet/issues/791

【yolo系列：运行报错RuntimeError: CUDA error: an illegal memory access was encountered CUDA kernel errors m】
weixin_47869094的博客
09-06 6494
使用yolov7训练数据集，但是训练到一半就开始停止了并且报错。
Ubuntu训练YOLO时出现：CUDA Error: out of memory
火星人
10-19 5713
需要修改所使用的模型cfg文件中的subdivision的参数。 由subdivisions=8改成subdivisions=64。 subdivision：这个参数很有意思的，它会让你的每一个batch不是一下子都丢到网络里。而是分成subdivision对应数字的份数，一份一份的跑完后，在一起打包算作完成一次iteration。这样会降低对显存的占用情况。如果设置这个参数为1的话就是一...
yolo v2 训练自己数据集遇到的问题
jozeeh的博客
11-27 4366
1.CUDA Error: out of memory darknet: ./src/cuda.c:36: check_error: Assertio `0' failed. 需要修改所使用的模型cfg文件中的subdivision的参数。 由subdivisions=8改成subdivisions=64。 subdivision：这个参数很有意思的，它会让你的每一个ba
基于Windows系统进行Yolov3训练模型遇到：“CUDA Error: out of memory”的解决方案
HeyLoong的博客
07-08 1601
遇到问题：CUDAError:outofmemory 原因：爆显存 Hhhhhha ！！！ 解决方案：更改训练所使用的CFG(.cfg)文件参数 （本人使用的是：yolov3-voc.cfg） （1）修改 batch subdivisions 值 （batch可较默认值64略小，subdivisions可 较默认值48略大），此处设置：batch=48， subdivisions=48 （2）修改尾行 random 值 （默认值为1），此处修改为 ：r...
YOLOv4训练提示 Out of memory!
安卓 高通 bsp ，同行欢迎交流
10-08 1258
YOLOv4训练提示 Out of memory! 网上的办法如果都解决不了，试试我的这个。 训练时候修改你自己的cfg文件中height和weight，往小改，官方为416，我改成960报以上错误。 height=960 weight=960 根本原因是，输入网络的图片尺寸越大，卷积核计算出最后的tensor的维度会过高，可以理解为参数爆炸，所以YOLO也不能处理过高分辨率的图片。 Think：想一个办法改进？ ...
运行YOLOv3报错： CUDA Error: out of memory
weixin_44401286的博客
11-05 1708
报错现象： 19 conv 128 1 x 1 / 1 76 x 76 x 256 -> 76 x 76 x 128 0.379 BFLOPs 20 CUDA Error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0' failed. 已放弃 (核心已转储) 解决办法： 这是由于显存不足导致的报错，打开yolov3.cfg文件，修改subdivisions，显存不足时，
yolov7在检测的时候报RuntimeError: CUDA out of memory. Tried to allocate
jiange1614的博客
07-28 3262
yolov7检测的时候报RuntimeErrorCUDAoutofmemory.Triedtoallocate。
YOLOv3 CUDA Error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0‘ failed.
nicole3375的博客
07-26 391
Batch Size（批量大小）：批量大小是指在每次模型训练中同时处理的输入样本数量。Subdivisions（子分区）：子分区是将每个批量进一步划分为更小的部分进行处理的方式。通过使用子分区，可以减少 GPU 内存的需求，特别是当批量大小较大时。把subdivisions=8改成subdivisions=16，64，最好都是2的指数，并且要保证batch是subdivisions的整数倍。方法二：修改尾行 random 值 （默认值为1），此处修改为 ：random=0 （注：yolov3共有三处）
CUDA Error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0' failed. Aborted
wukai0909的博客
07-29 3614
wu@wu-X555LF:~/darknet$ ./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 yolov3-voc layer filters size input output 0 conv 32 3 x...
yolov5测试报错：RuntimeError: CUDA out of memory.
猫猫与橙子的博客
08-22 6831
RuntimeError: CUDA out of memory.不一定是现存不足；
Yolov8模型训练报错：torch.cuda.OutOfMemoryError
大雾的小屋的博客
11-10 6750
最近在使用自己的数据训练Yolov8模型的时候遇到了很多错误，下面将逐一解答。 如何解决：torch.cuda.OutOfMemoryError的报错问题。
yolo训练报错：CUDA out of memory
qq_44540109的博客
08-27 577
报错原因：batch_size设置太大，内存不足
yolov3的GUI界面（3）--解决out of memory问题，新增摄像头检测功能
perfectdisaster的博客
07-18 882
yolov3的GUI界面（3）--解决out of memory问题，新增摄像头检测功能
运行yolov5训练数据集，报错：RuntimeError: CUDA error: out of memory CUDA kernel errors might be asynchronously
qq_44421796的博客
12-17 1236
batch_size默认是16，然后我运行就显示这个错误，我查看网上的资料很多，对于我来说，我将batch_size改成4就可以成功运行了。
Yolov8训练时正常，但验证时Cuda out of memory问题的解决方案（非完全解决）
qq_54708219的博客
07-31 1344
阻止模型验证时，仍计算梯度，导致模型显存溢出。但是这样仍无法解决，甚至验证无法进行【可能这里笔者加的地方有问题，如果有大神希望指导一下！因此，本着解决不了问题就解决提出问题的人的原则，直接在训练中关闭验证，等训练结束之后再单独验证。在没有条件更换训练显卡的情况下，笔者尝试增加。
YOLOX训练：显存足够，但依旧CUDA out of memory（Tried to allocate 5.58 GiB，8.00 GiB total capacity，6.40 GiB free）
ELSA001的博客
10-20 2万+
刚刚我尝试训练自己的yolox_s模型，但我batch_size不管改成多少，甚至改成1，都直接报CUDA out of memory，我很苦恼，这里明明显示我的显存是足够的，但是依旧OOM。 训练命令如下： (mypytorch) E:\YOLOX>python tools/train.py -f exps/example/yolox_voc/yolox_voc_s_bm.py -d 1 -b 2 --fp16 -o -c weights/yolox_s.pth 我在这里加载了GitHub的预训练
关于在飞桨平台使用PaddleDetection中的 yolov3_mobilenet_v1_fruit.yml配置训练模型导致的内存溢出问题
LYQLYQa的博客
04-15 4961
关于在飞桨平台使用PaddleDetection中的 yolov3_mobilenet_v1_fruit.yml配置训练模型导致的内存溢出问题 溢出原因 近期一直被溢出问题困扰，明明之前在熟悉paddledetection过程时的训练非常正常，可是换成自己的数据集就总是溢出，在调整过 训练圈数，batch-size数（为最小：1），以及大家所说的将schedulers中的milestones数值改小皆无法奏效，如果还没有踩过坑的这些参数可以再试着调整调整，至少在本人的数据集中是不奏效的。 究其根本，溢出是
训练yolov5时出现RuntimeError: CUDA out of memory
轻舟已过万重山的博客
08-10 3351
pytorch明明有多余显存却不分配，cuda溢出的正确解决方法（错误方法：调小batch_size）
在yolo训练的时候又去测试就会报错：cuda error: out of memory
热门推荐
walle的博客
08-31 2万+
在yolo训练的时候又去测试就会报错：cuda error: out of memory,  cuda.c  Assertion '0' failed.
Yolo AttributeError: module 'torch' has no attribute 'OutOfMemoryError'
最新发布
03-11
### 解决 PyTorch 中 `OutOfMemoryError` 属性错误 当遇到 `AttributeError: module 'torch' has no attribute 'OutOfMemoryError'` 错误时，通常意味着所使用的 PyTorch 版本并不支持该异常类。在较新的 PyTorch 版本中，内存不足的情况会抛出不同的异常类型。 为了处理这种情况，建议采用以下方法： #### 方法一：捕获 CUDA Out of Memory 异常 对于 GPU 上发生的内存不足情况，可以通过捕捉特定字符串的方式来识别并处理这种异常。由于 PyTorch 的实现细节可能会随版本变化而有所不同，直接依赖于具体的异常名称并不是最佳实践[^1]。 ```python try: # Your code that might cause an out-of-memory error on the GPU except RuntimeError as e: if "CUDA out of memory" in str(e): print("Caught a CUDA out of memory exception.") # Handle or log this specific case here. else: raise # Re-raise other runtime errors not related to OOM ``` #### 方法二：更新至最新版 PyTorch 如果当前环境中使用的是旧版本的 PyTorch，则考虑将其升级到最新的稳定版本。新版 PyTorch 可能已经改进了对资源管理的支持以及提供了更友好的 API 来报告此类问题[^4]。 ```bash pip install --upgrade torch torchvision torchaudio ``` #### 方法三：优化模型或数据集大小 有时，调整批处理尺寸(batch size)，减少网络层数或者降低图像分辨率等措施也可以有效缓解显存压力，从而避免触发内存溢出错误[^3]。 #### 自定义异常处理逻辑 考虑到未来可能出现的变化，编写自定义函数来统一管理和响应各种形式的记忆体超载状况可能是更为稳健的做法。这样可以在不影响核心业务流程的前提下灵活应对不同版本间的差异[^2]。 ```python def handle_cuda_oom(func): """Decorator function for handling CUDA out of memory exceptions.""" def wrapper(*args, **kwargs): try: return func(*args, **kwargs) except RuntimeError as e: oom_message = "CUDA out of memory" if oom_message in str(e): print(f"CUDA ran out of memory while executing {func.__name__}. " f"Consider reducing batch size or simplifying model architecture.") # Optionally implement fallback behavior like retrying with smaller batches else: raise return wrapper ```
评论
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