如何为YOLOv8激活MPS？Mac Sonoma训练缓慢问题求助

问题详情 #

在Mac Sonoma系统上使用YOLOv8训练模型，即便仅训练3个epochs，耗时仍长达数小时。已尝试安装PyTorch正式版与Nightly版本，问题未解决。

使用的训练代码：

from ultralytics import YOLO
model = YOLO("yolov8n.yaml")  # 从零构建模型（后续被预训练模型覆盖）
model = YOLO("yolov8n.pt")
model.to("mps")
results = model.train(data='data/datas.yaml',
conf=0.3,
epochs=3,
device=‘mps’)  # 注意此处使用了中文全角单引号

已验证MPS可用性：

torch.backends.mps.is_available()  # 返回True

解决方案排查步骤 #

1. 修复代码语法错误 #

训练代码中device=‘mps’使用了中文全角单引号，会导致Python解析异常，实际训练可能默认跑在CPU上。先替换为英文半角单引号：

results = model.train(data='data/datas.yaml',
conf=0.3,
epochs=3,
device='mps')  # 修改为英文单引号

2. 确认MPS是否真正生效 #

启动训练后查看终端日志，寻找类似以下的MPS相关输出：

AMP: running Automatic Mixed Precision (AMP) with MPS half precision
Model summary: 225 layers, 3157200 parameters, 0 gradients, 8.9 GFLOPs

如果日志中没有MPS标识，或显示device='cpu'，说明模型未正确加载到MPS。可在训练前添加验证代码：

print(f"Model device: {model.device}")  # 正常应输出 mps:0

3. 优化数据加载速度 #

Mac上CPU数据加载是常见性能瓶颈，可调整以下参数：

• 开启persistent_workers=True，保持数据加载进程不销毁：

  results = model.train(data='data/datas.yaml',
  conf=0.3,
  epochs=3,
  device='mps',
  persistent_workers=True,
  workers=4)  # 根据CPU核心数调整workers数量，比如4或8
  

• 调小batch_size（默认值可能过大，导致MPS显存不足频繁换页）：

  results = model.train(..., batch=8)  # 从8开始尝试，根据显存情况调整
  

• 提前将图片预处理为Tensor格式保存，减少训练时的CPU预处理开销。

4. 检查算子兼容性 #

部分YOLOv8算子可能未完全适配MPS，导致自动回退到CPU运行。训练时若日志出现UserWarning: MPS: operator xxx not implemented, falling back to CPU这类警告，可尝试：

• 升级至最新版Ultralytics库：pip install --upgrade ultralytics
• 调整MPS显存占比，避免显存溢出：

  import torch
  torch.backends.mps.set_per_process_memory_fraction(0.9)
  

5. 适配硬件性能限制 #

如果是旧款Mac（Intel芯片或M1之前的Apple Silicon），MPS计算能力有限，可进一步压缩训练负载：

• 使用更小的输入图片尺寸：

  results = model.train(..., imgsz=320)
  

• 确认已使用最小规格的YOLOv8n模型，若仍慢可尝试更轻量化的模型分支。

内容的提问来源于stack exchange，提问作者Bet6797