- 事件概述
使用yolov8推理1080P视频来测试其在服务器上的资源占用,结果发现推理时,内存会随着时间增长,直到内存耗尽进程被killed,最终视频没有全部推理完毕。
ultralytics>engine>predictor
在上述文件位置写有一个warning,提示如果不使用stream=true,有内存不够的风险,下面也给了使用的例子(其实在模型启动后后台也有显示这段内容,不过都一闪而过没仔细看)
- 方式一(仅针对视频流)
测试发现只有输入是流时,stream=true才能正确启动模型,若输入为视频文件,则模型不会启动。
正确的启动格式如下(以track为例):
from ultralytics import YOLO
def yolo_start():
# Load a model
model = YOLO("yolov8l.pt") # load a pretrained model (recommended for training)
# Use the model
results=model.track(source=source,tracker="bytetrack.yaml",stream=True)
for r in results:
boxes = r.boxes # Boxes object for bbox outputs
masks = r.masks # Masks object for segment masks outputs
probs = r.probs # Class probabilities for classification outputs
yolo_start()
和官方例子一样for循环不能省,省去同样模型不启动
- 方式二
如果是推理较大视频,推荐使用CLI命令直接后台开启,或者python脚本用subprocess执行CLI命令,具体内存耗损没有测,但是使用model.track()没有推理完的视频,用CLI是可以推理完的