企业官网建设流程全解析

北海网站建设,网站开发任务单百度文库,绿色营销案例100例,种子汤唯梁朝伟做视频网站换新电脑就是不一样#xff0c;但是突然发现是inter的显卡#xff0c;下面说一下如何使用inter的显卡加速训练。先大致步骤说一下#xff1a;将ultralytics软件包中的torch_utils.py中的select_device函数修改一下#xff0c;然后使用训练代码进行进行训练就可以了。一、环…换新电脑就是不一样但是突然发现是inter的显卡下面说一下如何使用inter的显卡加速训练。先大致步骤说一下将ultralytics软件包中的torch_utils.py中的select_device函数修改一下然后使用训练代码进行进行训练就可以了。一、环境现在的YOLO直接下载ultralytics这个软件库再加上数据集就可以了。首先找到下载好的ultralytics软件包中需要修改的函数代码文件下面是以conda环境为例的路径Anaconda3\envs\你的环境名\Lib\site-packages\ultralytics\utils\torch_utils.py找到后用编译器打开在183行找到如图的代码加上一个else语句让他可以识别到xpu就可以了代码如下elif device xpu or device.startswith(xpu:): # 检查 Intel XPU 是否可用 if hasattr(torch, xpu) and torch.xpu.is_available(): # 解析设备索引例如 ‘xpu:0’ device_idx 0 if : in device: device_idx int(device.split(:)[1]) # 检查索引是否有效 if device_idx torch.xpu.device_count(): device_obj torch.device(fxpu:{device_idx}) if verbose: print(f使用 Intel XPU 设备: xpu:{device_idx} ({torch.xpu.get_device_name(device_idx)})) return device_obj else: raise ValueError(f无效的 XPU 设备索引 {device_idx}可用设备数为 {torch.xpu.device_count()}) else: raise ValueError(f请求使用 Intel XPU (‘device{device}’)但 XPU 不可用。请检查驱动和 IPEX 安装。)然后就保存退出就可以了。二、训练代码这样就可以使用常规训练代码训练了但是在训练1轮之后会报错这个 _clear_memory 是一个通用工具函数它在每个训练周期epoch结束后都可能被调用目的是防止显存VRAM峰值。这个会自动调用CUDA所以在训练代码开头加上一个猴子补丁下面是训练代码# 【1. 必加猴子补丁解决所有CUDA硬编码问题】 import os os.environ[NUM_WORKERS] 0 # Windows必须 os.environ[PYTHONWARNINGS] ignore import torch import ultralytics.engine.trainer as trainer_module # --- 修补 _get_memory 函数 --- _original_get_memory trainer_module.BaseTrainer._get_memory def _patched_get_memory(self, fractionFalse): 永远返回一个极低的内存使用率让框架跳过清理避免调用 torch.cuda return 0.01 if fraction else 1024 # 返回1%使用率或1024字节 trainer_module.BaseTrainer._get_memory _patched_get_memory print(✅ 关键补丁已应用内存检查函数已替换规避CUDA调用。) # 【2. 正常训练流程】 from ultralytics import YOLO # 设置设备 device torch.device(xpu:0) print(f训练设备: {device}) # 加载模型并移动 model YOLO(yolov8n.pt) # 请确保此权重文件存在 model.model.to(device) print(f模型已移至: {next(model.model.parameters()).device}) # 开始训练 results model.train( datadata/data.yaml, # 你的数据集配置文件 epochs5, imgsz640, batch32, devicexpu, # 框架用此参数处理数据位置 workers0, ampFalse, # 必须关闭避免AMP相关CUDA调用 halfFalse, # 必须关闭 verboseTrue, nameyolo_xpu_final_fixed, plotsTrue, ) print(f\n 训练完成结果保存在: {results.save_dir})你可以根据自己的数据集来修改2中的参数注释的不要修改然后就可以开始在新电脑上进行GPU加速训练了。非常的好用快速解决问题。