如何修改代码调用CPU版YOLOv5实现YouTube视频目标检测

核心修改逻辑 #

强制指定模型和输入数据的运行设备为CPU，覆盖YOLOv5默认的CUDA自动检测逻辑，具体修改步骤如下：

• 第一步：修改模型加载代码
  加载YOLOv5模型时显式指定device参数为cpu，示例代码：

  # 原加载代码（如果写死了cuda的话）
  # model = torch.hub.load('ultralytics/yolov5', 'yolov5s', device='cuda:0')
  # 修改后
  model = torch.hub.load('ultralytics/yolov5', 'yolov5s', device='cpu')
  

  如果加载时没有指定device参数，可在加载完成后追加设备迁移代码：

  model = model.to('cpu')
  

• 第二步：删除/修改输入数据的CUDA迁移代码
  检查代码中所有将输入图像、张量迁移到CUDA的操作，全部改为迁移到CPU，或者直接删除对应语句（YOLOv5会自动匹配模型所在设备）：

  # 原代码
  # img = img.to('cuda')
  # 修改后
  img = img.to('cpu')
  # 或直接删除该行即可
  

• 第三步：（可选）脚本运行参数调整
  如果你是直接使用YOLOv5官方的detect.py脚本运行推理，启动命令中追加--device cpu参数即可，无需修改源码。

注意事项 #

• 不需要单独下载CPU版本的YOLOv5权重文件，官方预训练权重同时支持CUDA和CPU推理
• CPU推理速度会远低于CUDA，处理长视频时可适当调低输入分辨率、选择更小的模型（比如yolov5n）提升运行速度
• 即使你安装的是CUDA版本的PyTorch，以上修改也可以正常生效，不需要重新安装CPU版本的PyTorch

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