Colab训练YOLOv5指定device为cpu仍报CUDA不可用警告如何解决？

问题产生原因 #

• YOLOv5的底层初始化逻辑优先级问题：多数版本的YOLOv5在加载入口参数前，会先执行PyTorch的CUDA环境自动检测逻辑，你传入的--device cpu参数是在检测逻辑执行后才会生效，因此会先触发CUDA不可用的警告，该警告不影响后续实际使用CPU训练。
• Colab运行时环境残留：如果你的Colab会话此前切换过GPU运行时再改为CPU运行时，环境中会残留CUDA相关的环境变量配置，PyTorch检测到配置后会尝试调用CUDA，最终触发不可用的警告。
• YOLOv5版本bug：部分老旧版本的YOLOv5train.py存在参数传递漏洞，你传入的device参数没有正确传递到PyTorch的设备初始化模块，导致底层默认走CUDA检测逻辑。

排查解决方法 #

• 确认Colab运行时配置：点击顶部菜单栏「修改」->「笔记本设置」，确认硬件加速器选项为「无」，保证运行时环境和参数配置匹配。
• 全局屏蔽CUDA检测：在执行训练命令前先运行以下代码，强制PyTorch跳过CUDA检测：

  import os
  os.environ["CUDA_VISIBLE_DEVICES"] = "-1"
  

  也可以直接在训练命令前添加环境变量声明，一步生效：
  !CUDA_VISIBLE_DEVICES=-1 python train.py --img 415 --batch 16 --epochs 30 --data dataset.yaml --device cpu --weights yolov5s.pt --cache
• 修正参数写法：将--device cpu改为--device 'cpu'，避免部分版本的参数解析器对无引号的字符串参数识别异常。
• 升级YOLOv5版本：拉取官方仓库的最新代码，修复老旧版本的参数传递bug。
• 验证实际运行设备：训练启动后查看控制台输出的设备信息，只要明确显示Using CPU，就说明警告仅为前置检测触发，不影响实际训练，无需额外处理。

内容的提问来源于stack exchange，提问作者Houssem Neuer