我们可以使用 CPU 而不是 GPU 来训练自定义 YOLO 模型进行目标检测吗答案

【问题标题】：Can we use CPU instead of GPU to train custome YOLO model for object detection我们可以使用 CPU 而不是 GPU 来训练自定义 YOLO 模型进行目标检测吗
【发布时间】：2020-02-09 08:27:57
【问题描述】：

我想为我的自定义对象数据集训练 YOLO 模型。我在各个网站上到处都读到它，每个人都在谈论应该使用 GPU 来训练和运行 YOLO 自定义模型。但是，由于我没有 GPU，我对该怎么做感到困惑？因为我不能为此购买GPU。此外，我阅读了有关 Google Colab 的信息，但我无法使用它，我想在离线系统上使用我的模型。从github上看到程序中使用的YOLO的系统利用率，吓了一跳： https://github.com/AhmadYahya97/Fully-Automated-red-light-Violation-Detection.git。我在我的笔记本电脑上运行这个配置：内存：4 GB 处理器：英特尔 i3，2.40 GHz 操作系统：Ubuntu 18.04 LTS

【问题讨论】：

确保您可以在 cpu 上进行训练。如果你想训练一个 80 级的 yolov3，你需要大约 64GB 的内存和大量的时间。
哦……但是我只想训练车辆类、车辆类型（两轮车、四轮车、三轮车等），而我只有 10 天的时间来展示我的工作。那我能为它做些什么。我只想在 CPU 和 4 GB RAM 上运行所有这些。
cpu 培训可以在 10 天内完成，也许不到 4GB 就足够 1 节课了。但如果没有任何经验，10 天可能还不足以取得好的效果。祝你好运。
谢谢...我可以在 google colab 上训练 YOLOv3 并在 CPU 上使用它吗？可能可以以良好的速度实时使用它。
我对 google colab 没有任何经验

标签： opencv python-3.6 object-detection yolo

【解决方案1】：

虽然它会慢很多，但是你只能在训练和预测时使用 CPU。如果您使用的是原始 Darknet Framework，请在安装 darknet 时将 Makefile 中的 GPU 标志设置为GPU=0。

如何安装暗网：https://pjreddie.com/darknet/install/

然后您就可以按照本指南开始训练或预测：https://pjreddie.com/darknet/yolo/

【讨论】：