YOLO - tensorflow在cpu上运行但不在gpu上运行

Question

我使用我的GPU（Nvidia 1060 3Gb）使用经过训练的模型进行了YOLO检测，一切正常。

现在我正在尝试使用param --gpu 1.0生成我自己的模型。 Tensorflow可以看到我的gpu，因为我可以在开始那些通信时阅读： “名称：GeForce GTX 1060主要：6个未成年人：1个memoryClockRate（GHz）：1.6705” “totalMemory：3.00GiB freeMemory：2.43GiB”

无论如何，稍后，当程序加载数据，并试图开始学习时，我得到以下错误： “未能从设备分配832.51M（872952320字节）：CUDA_ERROR_OUT_OF_MEMORY”

我已经检查过它是否尝试使用我的其他gpu（英特尔630），但事实并非如此。

当我在没有“--gpu”模式选项的情况下运行火车过程时，它工作正常，但速度很慢。 （我也试过--gpu 0.8,0.4等。）

知道怎么解决吗？

Answer 1

问题解决了。在配置文件中更改批量大小和图像大小似乎没有帮助，因为它们没有正确加载。我不得不去defaults.py文件并将它们更改为更低，以使我的GPU可以计算步骤。

Answer 2

看起来您的自定义模型用于大量内存，并且图形卡无法支持它。您只需使用--batch选项来控制内存大小。