error

• error1: CUDA out of memory
• error2:TypeError: can't convert cuda:
• error

Deep-Learning-YOLOV4實踐：ScaledYOLOv4 數(shù)據(jù)集制作
Deep-Learning-YOLOV4實踐：ScaledYOLOv4環(huán)境配置與demo編譯運行
Deep-Learning-YOLOV4實踐：ScaledYOLOv4模型訓練自己的數(shù)據(jù)集調試問題總結
說明：
硬件：rtx2060

error1: CUDA out of memory

RuntimeError: CUDA out of memory. Tried to allocate 88.00 MiB (GPU 0; 6.00 GiB total capacity; 4.08 GiB already allocated; 22.63 MiB free; 4.20 GiB reserved in total by PyTorch)

原因：
bach_size設置過大

解決辦法：
直接將default設置成1：

error2:TypeError: can’t convert cuda:

TypeError: can’t convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.

原因：
原來Pytorch代碼運行在cpu中，所以這么寫實對的。
后來改用GPU中代碼運行，因為numpy在cuda中沒有這種表達，需要將cuda中的數(shù)據(jù)轉換到cpu中，再去使用numpy。

解決方案：模型自帶代碼：

if dtype is None:return self.numpy() else:return self.numpy().astype(dtype, copy=False)

模型修改之后的代碼：

if dtype is None:return self.cuda().data.cpu().numpy() else:return self.cuda().data.cpu().numpy().astype(dtype, copy=False)

error

【說明】
此錯誤出現(xiàn)于：ScaledYOLOv4-yolov4-csp改進型模型的訓練測試過程
TypeError: not all arguments converted during string formatting
參考鏈接：
解決方案：將yolov4-csp.cfg中的注釋內容去除

總結

以上是生活随笔為你收集整理的Deep-Learning-YOLOV4实践：ScaledYOLOv4模型训练自己的数据集调试问题总结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。