解决yolo无法指定显卡的问题,实测v5、v7、v8有效

方法1

基本上这个就能解决了!!!
在train.py的最上方加上下面这两行,注意是最上面,其次指定的就是你要使用的显卡

import os
os.environ['CUDA_VISIBLE_DEVICES']='6'

在这里插入图片描述

方法2:

**问题:**命令行参数指定的是4号卡,但实际却总是在0号卡建立进程
真抽象啊,这一步,模型被送到0号卡,但实际上,送到了4号卡(进程是在4号卡上建立的)在这里插入图片描述
解决办法:
在train.py的train()函数下,第一行选择显卡:

device=torch.device('cuda:4')

自己指定显卡即可,也可以在命令行添加一遍,不冲突,但要一样的

基本上方法一就能解决了。

YOLO (You Only Look Once) 是一种目标检测算法,它可以同识别和定位图像中的多个目标。YOLO系列的版本包括v1、v2、v3、v4、v5v7。引用提到,虽然YOLOv5是目前很多人选择使用的版本,但YOLOv7实际上在精度和速度方面都有更好的表现。 不同的YOLO版本在不同的场景和资源支持下有各自的特点。引用指出,选择合适的版本要考虑到不同的上下游环境和资源限制。因此,根据具体需求,需要对YOLOv1-v7有一个全面的认识,以便做出适当的选择。 YOLOv5YOLOv7都是YOLO系列的版本,但它们有一些不同之处。具体来说,YOLOv7在精度和速率方面都有着更好的表现,这意味着它可以更准确地检测和定位目标,并且更快地执行算法。而YOLOv5则是较早发布的版本,可能在某些方面表现不如YOLOv7。 总之,根据引用和引用的内容,YOLOv7是目前较新、精度和速率都较好的版本,而YOLOv5是较早发布的版本。但具体选择使用哪个版本,需要根据不同的场景和资源支持来进行评估和决策。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [yolov7yolov5对比有哪些优势?yolov7改进-yolov7详解](https://blog.csdn.net/suikui/article/details/127632784)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [YOLOv5、v6、v7、x模型全系列大解析(Neck篇)](https://blog.csdn.net/qq_38668236/article/details/128627686)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

毕竟是shy哥

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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