YOLO-Tensorflow在cpu上有效，但在gpu上无效

Question

我已经使用我的GPU-Nvidia 1060 3Gb在经过训练的模型上使用了YOLO检测，并且一切正常。

现在，我试图生成我自己的模型，用PARAM --gpu 1.0。 Tensorflow可以看到我的GPU，因为我可以阅读在启动这些通信： “名称：的GeForce GTX 1060大：6次要的：1 memoryClockRate（千兆赫）：1.6705”， “totalMemory：3.00GiB freeMemory：2.43GiB”

不管怎么说，后来，当程序加载数据，并试图开始学习我得到了以下错误：“无法从设备分配832.51M（872952320个字节）：CUDA_ERROR_OUT_OF_MEMORY”

如果它试图使用我的其他GPU（英特尔630）我检查了，但事实并非如此。

正如我跑火车过程中无“--gpu”模式选项，它工作正常，但速度缓慢。 （我试过也--gpu 0.8，0.4等。）

知道如何解决吗？

Answer 1

问题解决了。 更改配置文件中的批处理大小和图像大小似乎没有帮助，因为它们未正确加载。 我必须转到defaults.py文件并将其更改为较低的值，以使我的GPU可以计算步骤。

Answer 2

看起来您的自定义型号使用了很多内存，而图形卡无法支持它。 您只需要使用--batch选项即可控制内存大小。