yolov8推理视频爆内存的处理方式

- 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