Deep-Learning-YOLOV4实践：ScaledYOLOv4模型训练自己的数据集调试问题总结

Deep-Learning-YOLOV4实践：ScaledYOLOv4 数据集制作
Deep-Learning-YOLOV4实践：ScaledYOLOv4环境配置与demo编译运行
Deep-Learning-YOLOV4实践：ScaledYOLOv4模型训练自己的数据集调试问题总结
说明：
硬件：rtx2060

error1: CUDA out of memory

RuntimeError: CUDA out of memory. Tried to allocate 88.00 MiB (GPU 0; 6.00 GiB total capacity; 4.08 GiB already allocated; 22.63 MiB free; 4.20 GiB reserved in total by PyTorch)

原因：
bach_size设置过大

解决办法：
直接将default设置成1：

error2:TypeError: can’t convert cuda:

TypeError: can’t convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.

原因：
原来Pytorch代码运行在cpu中，所以这么写实对的。
后来改用GPU中代码运行，因为numpy在cuda中没有这种表达，需要将cuda中的数据转换到cpu中，再去使用numpy。

解决方案：模型自带代码：

if dtype is None:
    return self.numpy()
else:
    return self.numpy().astype(dtype, copy=False)

模型修改之后的代码：

if dtype is None:
    return self.cuda().data.cpu().numpy()
else:
    return self.cuda().data.cpu().numpy().astype(dtype, copy=False)

error

【说明】
此错误出现于：ScaledYOLOv4-yolov4-csp改进型模型的训练测试过程
TypeError: not all arguments converted during string formatting
参考链接：
解决方案：将yolov4-csp.cfg中的注释内容去除