win10下，darknet训练自己的数据集，GPU利用率极低

OmniJax 2020-11-25 09:52:09

感觉基本没用上
各位大佬有没有什么解决方法

...全文

1523 1 打赏收藏转发到动态举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

愿望是当打工人 2021-03-07

打赏
举报

回复

同问，我也是，gpu只用了6%，但是subdivision一调高就内存不够。内存占用6，70%。

YOLO（You Only Look Once）是一种用于目标检测的深度学习模型，旨在实时检测图像或视频中的多个对象。与传统的目标检测方法不同，YOLO一次性处理整个图像，而不是通过滑动窗口或区域提议进行多次检测。这种方法使得YOLO在速度上具有显著优势，能够实现实时目标检测。使用yoloV5训练自己的模型。关键特点：One-shot Detection： YOLO的主要特点是一次性完成整个图像的目标检测

YOLO（You Only Look Once）系列算法因其高效、准确等特点而备受瞩目。由2023年Ultralytics公司发布了YOLO的最新版本YOLOv8是结合前几代YOLO的基础上的一个融合改进版。本文YOLOv8网络结构/环境搭建/数据集获取/训练/推理/验证/导出/部署，从网络结构的讲解从模型的网络结构讲解到模型的部署都有详细介绍，同时在本专栏中还包括YOLOv8模型系列的改进包括个人提出的创新点，传统卷积、注意力机制、损失函数的修改教程，能够帮助你的论文获得创新点。

一.前沿最近在研究基于yolo3的特征提取方法的人工智能AI识别，二.环境介绍 cuda_9.0.176_win10 cudnn-9.0-windows10-x64-v7 tensorflow-gpu1.7.0 numpy1.16.0 keras2.1.6 python3.6 ...

Ultralytics 框架是专门为 YOLO 系列模型打造的深度学习框架，它为 YOLO 模型的训练、评估和部署提供了全方位的支持与扩展，极大地推动了 YOLO 模型在实际应用中的落地。从易用性角度来看，Ultralytics 框架提供了简洁明了的 API 和命令行工具，使得开发者能够轻松地进行模型的训练、评估和推理操作。即使是对深度学习领域了解有限的初学者，也能通过简单的代码或命令，快速上手并使用 YOLO 模型进行目标检测任务。

## 对象检测算法和库- neptune.ai**训练数据:**用上下文中的公共对象(COCO)数据集训练模型。你可以在链接中浏览他们标记的图片，这很酷。模型:这里的模型是你只看一次(YOLO)算法，它通过一种极其复杂的卷积神经网络架构的变体运行，称为暗网。尽管我们使用的是一个更加增强和复杂的 YOLO v3 模型，我还是会解释最初的 YOLO 算法。另外，pythoncv2包有一个从 yolov3.cfg 文件中的配置设置 Darknet 的方法。

CUDA on Windows XP

231

社区成员

423

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章