Yolo V8 模型训练初学者笔记 -- win11成功调用GPU(RTX4060)进行模型训练

FE_C_P小麦
1,884 阅读7分钟

  • 衔接上一篇：# Yolo V8 模型训练初学者笔记 -- 目标检测应用到实际游戏程序中

  • 【注】：本篇文章同样适用于NVIDIA RTX 4060 及以上版本 40系列的显卡，因为 pytorch 支持到的 CUDA 的12.1版本已经是最高的了，但是 4060 显卡可以使用的 CUDA 版本是 12.3，所以这样理解的话（根据向下兼容特性），40系列显卡都是适用的

  • (若说错了，请友好评论，俺懂得并不多哈)

环境要求

  • windows 11
  • GPU：RTX4060
  • CUDA
  • anaconda
  • python39
  • pytorch

前言

  • 前面2篇文章中，我成功使用了 CPU 进行模型训练，也成功做到了对正在运行的游戏应用程序进行目标识别(同时实现了简单的实时监控检测结果)
  • 在本篇中的小目标就是把 CPU 换成 GPU 进行模型训练，因为随着后续功能慢慢提升，GPU 进行模型训练会更高效
  • 严格按照本篇文章说的步骤去操作的话，可以避免遇到一些不必要的问题（我通过网上现有的一些材料就遇到了不少问题，大多数都没把细节步骤写清楚，所以我为了自己以后方便查阅，也为了分享，就整理出了这篇文章）。

1 - 环境安装准备 在此！

  • windows 11 安装就不用多说了
1.1 - 安装 NVIDIA 基础驱动
  • 1.1 - 基础驱动
    image.png
    • 1.1.1 - 其中 [NVIDIA PhysX 系统软件] 和 [NVIDIA 图形驱动程序] 是只要有 NVIDIA控制面板 就会有的
    • 1.1.2 - 而其中 [NVIDIA GeForce Experience] 和 [NVIDIA FrameView SDK] 是需要去安装 NVIDIA GeForce Experience 才会有的，官方下载安装链接：NVIDIA GeForce Experience; 需要特别提醒的是国内安装时会出现下载更新失败的问题，我是直接通过迅游加速器来加速的(新人输入兑换口令"游戏王"可有3天免费试用，然后搜索“英伟达”找到“英伟达注册登录”进行加速，再来重新安装 [NVIDIA GeForce Experience] 就能很快自动更新且安装好了，当然网上也提供了别的方式，我就图这个加速器方便而已)
1.2 - 安装 NVIDIA CUDA
  • 【CUDA介绍】：NVIDIA CUDA 是一个强大的并行计算平台,通过利用GPU的高度并行计算能力,可以显著加速各种计算密集型应用程序的运行速度。这使得GPU不仅可用于图形处理,还可以广泛应用于科学计算、机器学习、数据分析等领域；在使用 Pytorch 模型训练时，需要 CUDA 的配合来使用。
  • 1.2 - CUDA 12.1.0 下载（我目前2024年4月6日能选择的 Pytorch 对应可以使用到最新的 CUDA 版本就是 12.1）
    • 1.2.3 - 测试是否安装成功
# 在随便哪个终端输入指令
nvcc -V
      • 能成功打印相关信息的话，就说明 cuda 安装成功了，若提示没有 nvcc 指令，要么关闭终端重新打开再试试，要么重新安装 cuda 12.1.0 再试试（重新安装 cuda 12.1.0 的话，需要到[控制面板 > 卸载或更改程序]中去手动删除有关 cuda 12.1.0 的所有驱动，即只保留上面提到的“NVIDIA 基础驱动”就行）
        image.png
创建 anaconda pytorch 虚拟环境
  • anaconda 的安装这里多说了，我给个官方链接下载安装即可：anaconda
  • 1.3 - 创建虚拟环境
    • 1.3.1 - 一定要以管理员身份打开 anaconda prompt 终端窗口（否则后续安装容易遇到权限不足的报错问题），然后在anaconda prompt 终端执行下面指令：
# 创建 python3.9 并命名为 pytorch 的虚拟环境
conda create -n pytorch python=3.9
# 激活刚创建的环境
conda activate pytorch
    • 1.3.2 - 根据 pytorch 官网提供的安装指令，在刚才激活的 conda 虚拟环境中安装 pytorch，pytorc官网链接
      image.png
    • 若你安装过程中遇到了报错问题，一般情况下是你忘记以管理员身份运行 anaconda prompt 终端窗口了
1.3 - 写代码测试能否成功调用 GPU
  • yolo_try_gpu.py
import torch

# 检查torch是否有CUDA支持，即是否能用GPU
print(torch.cuda.is_available())

# 如果CUDA可用，它还会打印出当前默认的CUDA设备（通常是第一个GPU）
if torch.cuda.is_available():
    print(torch.cuda.get_device_name(0))
print(torch.version.cuda)

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print(device)
  • 以管理运行 anaconda prompt 终端窗口，并激活前面提到的 pytorch 虚拟环境，然后一定要记得通过 cd 指令把终端定位到 yolo_try_gpu.py 这个脚本所在的目录下
# 激活名称为 pytorch 的虚拟环境
conda activate pytorch
# cd 定位到 yolo_try_gpu.py 这个脚本所在的目录下
# 执行前面写好的测试脚本
python yolo_try_gpu.py
    • 若打印如下信息，说明我们之前的操作都成功了，现在可以调用 GPU RTX 4060 来进行模型训练了
      image.png

2 - 真实调用 GPU RTX 4060 进行模型训练代码在此！！！

  • yolo_train_by_gpu.py
# --------------------------------------------------------

# 一定要把 from ultralytics import YOLO 下载 __main__ 函数中，否则会报错以下信息：
# > 错误信息： RuntimeError: An attempt has been made to start a new process before the current process has finished its bootstrapping phase. 
# > > 通常是由于多进程执行导致的问题。在 Windows 平台上,使用 Python 的 multiprocessing 模块时会遇到这种情况。

# 出现这个错误的原因是:
# Windows 平台的多进程启动机制:
# Windows 平台不支持 Unix 的 fork() 系统调用来创建子进程。相反,它需要使用 spawn() 方法来创建新进程,这需要在主模块中进行一些特殊的处理。
# YOLOv8 中的多进程操作:
# YOLOv8 使用 PyTorch 的多进程数据加载功能来加快训练过程。但是,如果没有正确地处理多进程的启动,就会出现这个错误。
# 为了解决这个问题,需要在主模块中写入以下代码:

# --------------------------------------------------------

if __name__ == '__main__':
    from ultralytics import YOLO

    model = YOLO('yolov8n.pt')
    model.train(data='./data/mario.yaml', epochs=100, imgsz=640, device='cuda:0')
    • 【这里需要再次特别说明一下，若跟之前使用 cpu 模型训练一样写代码的话，会无法成功调用 gpu 的，会出现如下这样的报错，原因在上面的注释中已经说明了】
      image.png

  • 以管理运行 anaconda prompt 终端窗口，并激活前面提到的 pytorch 虚拟环境，然后一定要记得通过 cd 指令把终端定位到 yolo_train_by_gpu.py 这个脚本所在的目录下

# 执行脚本进行模型训练
python yolo_train_by_gpu.py
  • 我们使用 cpu 进行模型训练的时候，下图中 GPU_mem 这列参数都是 0.0G，现在已经可以发现在调用 GPU 进行模型训练了 image.png

总结

  • 之前为了尝试使用 GPU 进行模型训练，总是遇到各种报错，外加近期加班频繁，家里事情也繁多，导致时间过于碎片零散，导致思绪混乱；
  • 这次清明3天假期特意多请一天(2024年4月6日)，就为了争取多那么一点时间，好好理解一下；这次就特意重装了系统，重新整理思路，重新查阅相关材料，终于成功调用 GPU 实现了模型训练；
  • 现在爽了，后面可以继续慢慢迈进下一步了，开始正式的模型训练了；
  • 如果你也对游戏目标识别有兴趣，想让AI进行自动游戏的话，可以试着关注我，我会不定期进行更新文章；不过呢，后面的文章可能会间隔较长一段时间才更新，因为真正的 AI 模型训练学习才刚刚开始，这方面还是相当有难度的，opencv 图形学这块我能学多少，又能把我的目标实现到什么程度，都是很难确定的，一起加油吧！
avatar
文章
阅读
粉丝