ImageAI更新后自定义对象检测训练中GPU的小到零使用

Question

大约一个月前，我使用ImageAI在Google上使用TensorFlowGPU 1.13训练了一个使用750个图像的定制对象检测模型，并且有大约30分钟/次的训练时间。现在，当我使用相同的数据集进行训练，但是使用TensorFlowGPU 2.4.3 (ImageAI不再支持旧TF )时，我得到的GPU使用量非常少(0.1GB)，每一次的训练时间为6小时。我试过在我的本地机器上训练同样的型号，而且我的训练时间也很慢。

我使用以下导入(基于ImageAI文档)：

!pip install tensorflow-gpu==2.4.0 keras==2.4.3 numpy==1.19.3 pillow==7.0.0 scipy==1.4.1 h5py==2.10.0 matplotlib==3.3.2 opencv-python keras-resnet==0.2.0 !pip install imageai --upgrade

我正在从Google提取我的培训数据。

有什么东西可以让我在Google或我的本地机器上加快目标检测训练的时间吗？缓慢的训练时间减缓了我的研究。

Answer 1

如果您想完全使用GPU，根据我的经验，您必须恢复到以前版本的ImageAI和它的兼容包。下面是我在本地计算机和Google Colab上安装的兼容软件包的列表(2021年1月)：

• TF-GPU==1.13.1
• Keras==2.2.4
• Imageai==2.1.0

这解决了最近的ImageAI补丁所引起的任何问题。我现在回到GPU的全部使用。在问题得到解决之前，我建议使用旧版本。