yolov5训练时参数workers与batch-size的区别常见问题

很多新手在使用yolov5训练模型的时候会出现爆内存和爆显存问题，一般就是由于worker和batch_size参数设置过大有关，参考如下是解决的方法。

一、workers

train.py中关于workers设置代码如下：

workers是指数据装载时cpu所使用的线程数，默认为8，但是按照默认的设置来训练往往会导致我们的CPU爆内存，会导致其他进程进行关闭（例如浏览器），我的电脑设置为4是刚刚可以利用完内存，可以看下图，如果我没提交的>虚拟内存+实际内存，内存就会被完全占用。

parser.add_argument('--workers', type=int, default=8, 
help='maximum number of dataloader workers')

 

二、batch-size

含义：batch-size设置多少就表示一次性将多少张图片放在一起训练，就是一次往GPU哪里塞多少张图片了，如果设置的太大会导致爆显存，一般设置为8的倍数，我这里设置的是4，会一次性训练4张图片。

parser.add_argument('--batch-size', type=int, default=4, 
help='total batch size for all GPUs')

 

posted @ 2024-01-24 16:15  txwtech  阅读(971)  评论(1)  编辑  收藏  举报