訓練環境與步驟參考連結：

https://www.cnblogs.com/hayley111/p/12918678.html

問題一：使用GTX2080的顯示卡，在batch_size只有8的情況下，訓練速度只有2-3秒每步。

另開視窗使用如下指令檢視GPU佔用情況，指令如下：

nvidia-smi -l

結果如下：（如果你和我一樣GPU佔用率很低，說明cuda沒有正常執行）

問題原因：cuda沒有成功啟動，只有cudnn在執行。

解決方法：

第一步：重新切換到cuda10.0

切換cuda版本 tensorflow1.12使用cuda9.0

yolo，tensorflow1.14等使用cuda10.0

cd /usr/local

刪除之前的軟連結

sudo rm -rf cuda

重新建立軟連線到10.0

sudo ln -sf cuda-10.0 cuda

第二步：安裝keras(我這裡選的是2.2.4版本的)

pip install keras==2.2.4

第三步：修改train.py程式碼，增加幾行程式碼如下：

import keras
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
keras.backend.tensorflow_backend.set_session(tf.Session(config=config))

新增位置如下：

重新執行你的訓練指令就可以了。

正常使用GPU訓練的情況下，GPU佔用情況如下。

在我的訓練中，成功啟動cuda後，速度提升了10倍。

問題二：

慢慢補充ing