YOLO视觉检测应用入门篇（二）

YOLO视觉检测应用入门篇（二）
上一篇，我们介绍了YOLO最基础的训练和预测。
这一篇，我们稍微进阶一些。

device =

上一篇中，我们使用官方的sample模型，显然速度不算快。
因为我们使用的是device = cpu，即仅使用cpu进行训练。
事实上，使用GPU训练才是主流。因为GPU对于卷积神经网络的计算是非常擅长的，比cpu擅长得多。
具体的原因，在了解YOLO的原理时，我们可以了解。
这里，我们只需要知道即可。
Yolo支持的device参数如下列所示：

1
2
3
4
5
# 设备选择参数说明
device = 'cpu'      # 设备类型：CPU | 使用场景：推理/训练（低性能场景）
device = 'mps'      # 设备类型：Apple Silicon GPU | 使用场景：推理（需macOS 12.3+）
device = 0        # 设备类型：NVIDIA GPU | 参数格式：单卡索引 | 示例：第1块显卡（索引0）
device = [0,1]      # 设备类型：NVIDIA GPU | 参数格式：多卡索引 | 示例：第1-2块显卡（索引0,1）

MPS

Apple的Silicon芯片设备可以使用device = mps来调用内存进行训练。
但是只有较小的数据集可以使用mps参数，因为数据集较大或者训练轮次过多，因为内存泄露的问题，训练过程会崩溃。
现象就是每一个轮次都会不断增加占用的内存，直至内存耗尽而报错。

WARN
截至2025年4月8日，YOLO对于MPS设备（Apple Silicon Chip）依然存在内存泄漏问题没有解决。
详情查看Github Issue

CUDA

INFO
仅支持NVIDIA GPU

这个内容请在网上查找最新的安装CUDA教程，这里仅简单举例说明
运行以下命令，会提示可以安装的CUDA版本（向下兼容）

1
nvidia-smi

下面是网上找的一个示例,可见其支持的是CUDA 12.2

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
nvidia-smi.exe
Tue Jan 16 22:43:00 2024
+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 537.70                 Driver Version: 537.70       CUDA Version: 12.2     |
|-----------------------------------------+----------------------+----------------------+
| GPU  Name                     TCC/WDDM  | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |         Memory-Usage | GPU-Util  Compute M. |
|                                         |                      |               MIG M. |
|=========================================+======================+======================|
|   0  NVIDIA GeForce RTX 4060 Ti   WDDM  | 00000000:01:00.0  On |                  N/A |
| 32%   30C    P8               7W / 160W |    990MiB /  8188MiB |     27%      Default |
|                                         |                      |                  N/A |
+-----------------------------------------+----------------------+----------------------+

+---------------------------------------------------------------------------------------+
| Processes:                                                                            |
|  GPU   GI   CI        PID   Type   Process name                            GPU Memory |
|        ID   ID                                                             Usage      |
|=======================================================================================|
|    0   N/A  N/A      3200    C+G   ...ekyb3d8bbwe\StoreExperienceHost.exe    N/A      |

从NVIDIA官方下载CUDA
安装完成后，命令行输入以下命令验证

1
nvcc --version

然后，将我们上一篇的sample再运行一次，是不是快多了？

AMD（ATI） GPU

YOLO官方并没有支持AMD的GPU，因此我们不做详细的介绍。
如果需要使用AMD的GPU，可以参考WSL环境下的ROCm方案或者DirectML加速方案‌
刚入门的就简单使用CPU吧～

小结

这一篇主要介绍了训练中的device参数，使得训练能够更加的高效。
下一篇，我们将更加进阶一些。

Technology
#YOLO
YOLO视觉检测应用入门篇（二）
http://kevin.zone.id/2025/04/09/yolobegin2/
作者
Kevin
发布于
2025年4月9日
许可协议