Yolo v8训练无法调用Apple M1 Pro芯片，GPU显存显示异常求助

关于GPU_mem显示0G的说明 #

这是Ultralytics YOLOv8的统计逻辑bug：YOLOv8的GPU_mem指标仅针对CUDA设备做了适配，对Apple MPS设备的显存使用情况无法正确统计，所以会显示0G，但不影响实际GPU的使用。你看到Mac活动监视器GPU占用率达80%，说明训练已经在利用GPU加速了。

确保GPU加速生效的正确操作 #

1. 验证MPS环境有效性 #

先确认你的环境满足MPS运行要求：

• macOS版本≥12.3
• PyTorch版本≥2.0.0（需编译有MPS支持）
• 设备为M1/M2/M3系列芯片

执行以下命令验证MPS是否可用：

python -c "import torch; print(torch.backends.mps.is_available())"

输出True则说明MPS环境正常。

2. 修正训练代码/命令 #

命令行方式

直接使用官方文档的命令即可，无需额外调整，显存显示0G属于统计bug，忽略即可：

yolo detect train data=coco128.yaml model=yolov8n.pt epochs=100 imgsz=640 device=mps

Python代码方式

不要手动调用model.to(mps_device)，YOLOv8的train()方法会自动处理设备迁移，手动提前迁移可能导致内部逻辑冲突。修正后的代码：

import torch
from ultralytics import YOLO

if not torch.backends.mps.is_available():
    if not torch.backends.mps.is_built():
        print("PyTorch未编译MPS支持，无法使用MPS加速")
    else:
        print("当前MacOS版本低于12.3或设备不支持MPS")
else:
    model = YOLO('/Users/runs/detect/train3/weights/best.pt')
    # 直接在train参数中指定device为"mps"，无需手动迁移模型
    results = model.train(data='/Users/Table.v3i.yolov8/data.yaml', epochs=100, device="mps")

3. 优化MPS训练速度的小技巧 #

• 启用半精度训练：MPS对FP16精度支持更好，可通过amp=True参数开启（默认已开启，可手动指定确保生效）
• 调整batch size：根据设备显存情况适当调大batch值（如M1 Pro 16G可设为16，M1 8G可设为8）
• 减少日志输出：添加verbose=False参数降低IO开销

内容的提问来源于stack exchange，提问作者Harvey Xie