YOLOv7训练10540张图像数据集时内存不足问题求助

核心原因 #

你的报错是因为CPU训练时设置的batch-size过大，加上数据加载workers的额外内存开销，导致CPU内存不足以容纳当前批次的图像数据。

具体解决步骤 #

• 大幅降低batch-size：CPU内存容量和带宽远不如GPU，你当前设置的--batch-size 160完全超出CPU承载能力。先尝试将batch-size降到8-16区间，若仍报错可继续降到4甚至2，示例命令：

  !python train.py --img 640 --batch-size 8 --epochs 1 --data "data\custom.yaml" --cfg "cfg\training\yolov7-custom.yaml" --weights yolov7.pt --name yolov7-custom --device cpu --workers 2 --hyp "data\hyp.scratch.custom.yaml"
  

• 减少workers数量：--workers 5会同时开启多个数据加载进程，进一步占用内存。Windows系统建议设为0，其他系统可降到1-2。
• 缩小输入图像尺寸：将--img 640改为416或320，减少单张图像的内存占用，代价是模型精度会有轻微下降。
• 释放系统内存：关闭后台无关程序，给训练进程腾出更多可用内存。

长期最优方案 #

如果有可用GPU，优先改用GPU训练（修改参数--device 0），GPU的显存架构更适配大批次深度学习训练，能从根本上解决这类内存瓶颈问题。

内容的提问来源于stack exchange，提问作者Liferafter