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

bash 复制代码
import os
os.environ['CUDA_VISIBLE_DEVICES']='6'

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)
解决办法:

在train.py的train()函数下,第一行选择显卡:

bash 复制代码
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。

相关推荐
贤小二AI3 小时前
贤小二c#版Yolov5 yolov8 yolov10 yolov11自动标注工具 + 免python环境 GPU一键训练包
人工智能·深度学习·yolo
zy_destiny17 小时前
【工业场景】用YOLOv12实现饮料类别识别
人工智能·python·深度学习·yolo·机器学习·计算机视觉·目标跟踪
卧式纯绿18 小时前
每日文献(八)——Part one
人工智能·yolo·目标检测·计算机视觉·目标跟踪·cnn
HABuo1 天前
【YOLOv8】YOLOv8改进系列(12)----替换主干网络之StarNet
人工智能·深度学习·yolo·目标检测·计算机视觉
AdaCoding1 天前
YOLOv8架构详解
yolo·网络结构图
云卷云舒___________1 天前
【Ultralytics YOLO COCO 评估脚本 | 获得COCO评价指标】
yolo·coco·ultralytics
plmm烟酒僧2 天前
在 RK3588 多线程推理 YOLO 时,同时开启硬件解码和 RGA 加速的性能分析
yolo·rkmpp·瑞芯微·硬件加速·rga·色彩空间转换
HABuo3 天前
【YOLOv8】YOLOv8改进系列(11)----替换主干网络之MobileNetV4
人工智能·深度学习·yolo·目标检测·计算机视觉
Kai HVZ3 天前
《深度学习》——yolov4详解
人工智能·深度学习·yolo