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

1576 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%。

Darknet最初由Joseph Redmon于2015年开发，旨在为研究人员提供一个简洁、快速的深度学习框架。它随着YOLO（You Only Look Once）模型的出现而受到广泛关注。由于其在实时目标检测任务中的高效性能，Darknet逐渐在深度学习社区中占据了重要位置。Yolo（You Only Look Once）算法是一种流行的目标检测算法，它以其高速度和高准确性而闻名。自2015年首次发布以来，Yolo算法经历了多次版本迭代，每一代都在性能和精确度上有所提升。

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。

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

目标检测是计算机视觉中的一个基础任务，旨在定位并识别图像中的物体。目标检测算法不仅要给出物体的位置，还要提供物体的类别信息。从早期的滑动窗口到现在的深度学习方法，目标检测技术已经历了长足的发展。硬件加速技术是提升实时目标检测性能的重要手段，具体技术包括：GPU加速：利用GPU强大的并行计算能力，可以显著提高模型的运行速度。专用AI加速器：某些硬件平台配备了专用的AI加速器，例如Google的TPU、华为的Ascend芯片等。优化的算法实现。

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 ...

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