不用GPU可以训练YOLOv4模型吗？如何解决训练时无GPU相关报错？

• 检查Darknet编译配置：打开项目根目录下的Makefile文件，确认GPU=1、CUDNN=1参数已开启（需提前安装对应CUDA、CUDNN依赖），修改后执行make clean && make重新编译即可。
• 验证CUDA环境：分别执行nvidia-smi、nvcc -V命令，若均能正常输出显卡信息、CUDA版本则环境正常，若报错需重新配置CUDA的PATH、LD_LIBRARY_PATH系统环境变量。
• 适配第三方框架实现：如果使用PyTorch/TensorFlow版YOLOv4，检查代码中是否存在硬编码调用GPU的逻辑（如device = torch.device("cuda")），修改为自动判断设备的逻辑即可避免强制校验GPU的报错。

是可以实现的，但仅适合小数据集测试场景，正式训练不推荐使用，CPU训练速度比主流消费级GPU慢几十到上百倍，操作步骤如下：

• 原版Darknet框架：修改Makefile文件，将GPU=0、CUDNN=0，按需保留OPENCV=1等CPU适配参数，重新执行make clean && make编译后，直接运行训练命令就会自动调用CPU运行，不会触发GPU相关报错。
• 第三方框架实现（PyTorch/TensorFlow等）：将代码中所有设备指定逻辑修改为强制调用CPU，比如PyTorch中修改为device = torch.device("cpu")，同时将batch_size调整为1~2，避免内存溢出。

提示：如果没有本地GPU资源，也可以选择用云服务器的GPU实例完成训练，成本和时间投入比CPU训练更划算。

内容的提问来源于stack exchange，提问作者Umaie Ali