1. 报错信息分析

在使用GPU训练YOLOV9的时候，出现报错：

torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 3.35 GiB (GPU 0; 23.65 GiB total capacity; 17.72 GiB already allocated; 1.29 GiB free; 21.27 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation. See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF

问题诊断：

• 当 reserved 远大于 allocated ，说明‌显存碎片化严重‌

2. 解决方案：

2.1 方案一：优化Pytorch内存分配策略（亲测可行）

import os
# 调整内存碎片整理阈值，
os.environ["PYTORCH_CUDA_ALLOC_CONF"] = "max_split_size_mb:128"

max_split_size_mb：限制 PyTorch 内存块分割最大值，推荐值：

• 默认值：不设限制
• 推荐值范围：32/64/128（需根据报错信息调整）
• 减少显存碎片化，避免小块内存分配失败

2.2 方案二：降低BatchSize

• 降低训练batchsize
• 配合 num_workers 减少数据加载进程数

2.3 方案三：启用混合精度训练

• 训练YOLO时，将amp设置为True