关于yolov5训练时报错cuda内存不足问题

最新推荐文章于 2024-06-13 23:10:33 发布
最新推荐文章于 2024-06-13 23:10:33 发布
阅读量2.8k 收藏 7
点赞数 3
分类专栏： yolo系列 文章标签： 深度学习 人工智能 python
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/yang_yi520/article/details/127327609
版权

RuntimeError: CUDA out of memory. Tried to allocate 4.08 GiB (GPU 0; 10.76 GiB total capacity; 414.97 MiB already allocated; 4.08 GiB free; 4.85 GiB reserved in total by PyTorch)

当时报这种错误，当然调小batch-size可以解决，但是当不想调小的时候可以把工作线程改小，就能正常训练了

在train中有如上图所示的超参数，之前我的工作线程是8，在同等条件下改为4就正常能训练了

给我来一杯冰可乐
关注
  • 3
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
已解决yolov5报错RuntimeError: CUDA out of memory. Tried to allocate 14.00 MiB
Code_and516的博客
03-27 1206
已解决yolov5报错RuntimeError: CUDA out of memory. Tried to allocate 14.00 MiB
解决：RuntimeError: CUDA out of memory.
ln01010的博客
07-22 2300
利用pytorchGPU训练深度模型时出现RuntimeError:CUDA out of memory问题解决方案
几种解决跑深度学习模型时CUDA OUT OF MEMORY:GPU内存报错问题的方法
最新发布
Co1rbin的博客
06-13 2546
①使用共享GPU内存；②及时清空显存；③使用检查点存储；④使用混合精度
RuntimeError: CUDA out of memory. Tried to allocate 模型训练 GPU 显存不够报错总结
专注于AI领域前沿技术学习与分享：目标检测、图像修复、超分重建、AI工程化
04-12 9880
RuntimeError: CUDA out of memory. Tried to allocate 1018.00 MiB (GPU 0; 7.79 GiB total capacity; 4.72 GiB already allocated; 853.50 MiB free; 1.52 GiB cached) 享受学术探讨的欢乐，传递温暖，希望能够帮助到刚刚入门的同学 文章目录具体报错简单分析训练时遇到测试时遇到
解决提示CUDA内存不够、GPU占内存不放的问题-python
枫的博客
04-24 1万+
解决提示CUDA内存不够、GPU占内存不放的问题 解决GPU运行代码时提示CUDA内存不够的问题 1.内容： 解决代码已经停止运行，GPU仍占着不放的问题。 如程序已经停止运行，在运行其他程序时提示：GPU：RuntimeError: CUDA out of memory. 2.实现步骤： 打开dos窗口（windows+R键） 输入nvidia-smi命令获取GPU信息 查看运行的processor 关掉正在运行的processor，taskkill -PID 进程号 -F。 例如：taskkill -
训练yolov5时，RuntimeError: CUDA out of memory.
weixin_48306625的博客
04-12 6302
训练yolov5时， 遇到错误。RuntimeError: CUDA out of memory. Tried to allocate 56.00 MiB (GPU 0; 10.00 GiB total capacity; 9.13 GiB already allocated; 0 bytes free; 9.26 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max
已解决。RuntimeError: CUDA out of memory.显存不够时使用预训练模型训练的方法。
qq_43977944的博客
04-24 4916
已解决！RuntimeError: CUDA out of memory.显存不够时使用预训练模型训练的方法。
yolov5测试报错：RuntimeError: CUDA out of memory.
猫猫与橙子的博客
08-22 6529
RuntimeError: CUDA out of memory.不一定是现存不足；
yolov5-3.1版本训练时可能会报错及修改方法汇总
08-20
yolov5-3.1 版本训练时可能会报错及修改方法汇总 yolov5-3.1 版本在训练时可能会出现多种错误，这些错误会导致训练失败或中断。下面我们来详细介绍这些错误及其修改方法。 一、 RuntimeError: a view of a leaf ...
YOLOv5训练笔记
11-03
YOLOv5训练笔记主要涉及的是使用YOLOv5模型进行目标检测的实践过程，包括环境配置、数据准备和模型训练。以下是对这些知识点的详细解释： 1. **环境安装**： - 首先，为了运行YOLOv5，需要创建一个Python虚拟环境...
yolov5 v4.0 gpu上训练出来的模型文件
02-27
YOLOv5 v4.0是在GPU上训练得到的，这表明该模型利用了GPU的强大并行计算能力，能够快速处理大量的数据和复杂的神经网络运算。 1. **YOLOv5模型结构**： YOLOv5主要由几个关键部分组成：输入层、卷积层、批量归一化...
yolov5实现目标检测，可训练自己的数据集。
09-15
本教程将详细讲解如何使用YOLOv5进行目标检测，并指导你如何训练自己的数据集。 首先，YOLOv5的核心在于其快速的检测速度和高精度的检测结果。它采用了一种称为Focal Loss的改进版损失函数，解决了小目标检测中的...
windows10 yolov3训练自己的数据.docx
08-03
在Windows 10环境下使用YOLOv3训练自定义数据集的过程相对复杂，但通过合理的步骤和工具可以简化这一过程。以下是一个详细的指南，涵盖了从准备环境到数据标注的各个阶段。 首先，确保你的系统满足YOLOv3训练所需的...
CUDA 内存不足如何解决？
weixin_45378258的博客
07-20 9112
要在 Excel 里创建一些自定义应用程序，需要一些常用对象或者对象集合的工作知识，例如 Range，Workbook (Workbooks)，Worksheet (Worksheets)，Window (Windows) 和 Application。在前面部分，你开拓了学习 VB 的许多方法。这里有一个总结关于什么时候使用什么工具： 当你在一个现行 VBA 过程，对对象、属性或方法有疑义时按 F1 打开在线帮助，如果你需要快速列出每个可用对象的属性和方法时，或者查找一个很难找到的过程时，使用对象浏.
深度学习训练模型时，GPU显存不够怎么办？
idol24的博客
12-08 5077
作者丨游客26024@知乎（已授权）编辑丨极市平台来源丨https://www.zhihu.com/question/461811359/answer/2492822726题外话，我为什么要写这篇博客，就是因为我穷！没钱！租的服务器使用多GPU时一会钱就烧没了（gpu内存不用），急需要一种trick，来降低内存加速。回到正题，如果我们使用的数据集较大，且网络较深，则会造成训练较慢，此时我们要想加...
训练yolov5时出现RuntimeError: CUDA out of memory
轻舟已过万重山的博客
08-10 2911
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）
AI绘画——使用stable-diffusion生成图片时提示RuntimeError: CUDA out of memory处理方法
热门推荐
PromiseTo的专栏
10-10 2万+
以半精度（fp16）使用该模型，因为它几乎总是提供与全精度相同的结果，但速度大约是其两倍，并且需要一半的GPU RAM量。修改scripts/txt2img.py文件，在。，一次生成一张图片，进一步降低显存。
记录YOLOv5运行train.py出现的问题
jehseh的博客
09-26 648
记录YOLOv5运行train.py出现的问题，以及解决办法
YOLO v5训练的时候出现内存相关的异常
Quintin
04-17 1759
YOLOv5出现内存相关异常
mpiexec多卡训练
05-31
MPI（Message Passing Interface）是一种并行计算的标准，可以实现跨节点的数据通信和计算任务分配。在多卡训练中，我们可以使用MPI来实现多个GPU之间的数据通信和计算协同。 在使用MPI进行多卡训练时，需要使用mpiexec命令来启动训练程序。mpiexec命令可以指定使用的GPU数量和每个GPU使用的进程数，例如： ``` mpiexec -n 4 -bind-to none python train.py ``` 其中，-n参数指定了使用的进程数量，这里使用4个进程，即使用4个GPU进行训练；-bind-to none参数表示不绑定进程和CPU核心，可以让MPI自动进行进程和GPU的分配；train.py为训练程序的入口文件。 在训练程序中，可以使用MPI相关的库进行数据通信和计算协同。例如，使用mpi4py库可以实现Python程序与MPI的交互，可以使用MPI的发送和接收函数进行数据传输，例如： ``` from mpi4py import MPI comm = MPI.COMM_WORLD rank = comm.Get_rank() size = comm.Get_size() if rank == 0: data = [i for i in range(10)] comm.send(data, dest=1) elif rank == 1: data = comm.recv(source=0) print(data) ``` 在这个例子中，使用MPI的COMM_WORLD对象获取进程的rank和size信息，rank为进程的编号，size为进程的总数。使用comm.send函数将数据发送给编号为1的进程，使用comm.recv函数从编号为0的进程接收数据，并打印接收到的数据。 这只是一个简单的例子，实际上在多卡训练中需要更复杂的数据通信和计算协同。但是使用MPI可以很好地实现多卡训练，并发挥多GPU的计算能力。
评论 2
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