在yolo训练中 FutureWarning: `torch.cuda.amp.autocast(args...)` is deprecated. Please use `torch.amp.autocast('cuda', args...)` instead.

<think>我们正在解决YOLOv5训练中出现的关于`torch.cuda.amp.autocast`的`FutureWarning`警告问题。根据用户描述，警告信息可能类似于：```FutureWarning:torch.cuda.amp.autocastwithdevice_type='cuda'isdeprecated.Pleaseusedevice_type=Noneoromitit.```这个警告是由于PyTorch版本升级（>=1.10）后，`autocast`的API发生了变化。在旧版本中，我们通常使用`torch.cuda.amp.autocast(device_type='cuda')`，但新版本中推荐省略`device_type`参数或者设置为`None`。###问题原因在PyTorch1.10及以上版本中，`autocast`的`device_type`参数默认行为已经改变。当运行在CUDA设备上时，不需要指定`device_type`，因为默认就是CUDA。因此，指定`device_type='cuda'`会引发弃用警告。###解决方案我们需要修改YOLOv5源代码中调用`autocast`的地方，去掉`device_type`参数或者将其设置为`None`。####步骤1:定位问题代码在YOLOv5的训练代码中，通常会在训练循环中使用自动混合精度（AMP）。在YOLOv5的代码库中，这个部分一般位于`train.py`中。具体来说，在训练循环中，我们会找到类似以下的代码段：```pythonwithtorch.cuda.amp.autocast(device_type='cuda'):#训练步骤```####步骤2:修改代码将上述代码中的`device_type='cuda'`参数移除，或者将其替换为`device_type=None`。修改后的代码应该如下所示：```pythonwithtorch.cuda.amp.autocast():#训练步骤```####具体操作1.打开YOLOv5的`train.py`文件。2.搜索关键字`autocast`，找到使用上下文管理器的位置。3.修改所有出现`torch.cuda.amp.autocast(device_type='cuda')`的地方，去掉参数或者改为`autocast()`。####示例修改前：```pythonifamp:withtorch.cuda.amp.autocast(device_type='cuda'):pred=model(imgs)#forwardloss,loss_items=compute_loss(pred,targets.to(device))#lossscaledbybatch_sizeelse:pred=model(imgs)loss,loss_items=compute_loss(pred,targets.to(device))```修改后：```pythonifamp:withtorch.cuda.amp.autocast():#移除了device_type参数pred=model(imgs)#forwardloss,loss_items=compute_loss(pred,targets.to(device))#lossscaledbybatch_sizeelse:pred=model(imgs)loss,loss_items=compute_loss(pred,targets.to(device))```###注意事项1.**PyTorch版本兼容性**：此修改适用于PyTorch1.10及以上版本。如果您的PyTorch版本低于1.10，则不会出现此警告，但建议升级PyTorch以获得更好的性能和支持。2.**YOLOv5版本**：不同版本的YOLOv5可能代码位置略有不同，但修改方式相同。如果您使用的是较老的YOLOv5版本（如v5.0），建议升级到最新版本（如v7.0），因为新版本已经修复了这个问题。3.**其他文件**：除了`train.py`，如果在其他文件中（如`val.py`、`detect.py`）也使用了`autocast`，同样需要修改。###验证修改后重新运行训练，警告应该不再出现。###替代方案（如果不想修改代码）如果不想修改源代码，也可以考虑降级PyTorch到1.10以下版本（如1.9.0），但这不是推荐的做法，因为新版本通常有更好的优化和功能。###相关问题1.如何检查当前PyTorch和CUDA的版本？2.如何升级或降级PyTorch版本？3.YOLOv5训练中还有哪些常见的警告或错误？4.自动混合精度（AMP）在训练中起什么作用？[^1]:[PyTorchAMP文档](https://pytorch.org/docs/stable/amp.html)[^2]:[YOLOv5GitHubIssues中关于此问题的讨论](https://github.com/ultralytics/yolov5/issues/6948)</think>### 解决YOLOv5训练中`torch.cuda.amp.autocast`的FutureWarning警告 #### 问题分析 在YOLOv5训练过程中出现的`FutureWarning: torch.cuda.amp.autocast with device_type='cuda' is deprecated`警告是由于PyTorch API更新导致的。从PyTorch 1.10开始，`autocast(device_type='cuda')`的用法已被弃用，需简化为`autocast()`[^1][^2]。该警告不影响功能但需更新代码以兼容未来版本。 #### 解决方案 修改YOLOv5源码中所有`autocast(device_type='cuda')`调用： 1. **定位源码文件**： - 主要修改文件：`train.py`、`val.py`和`detect.py` - 在YOLOv5目录执行搜索： ```bash grep -rn "autocast(device_type='cuda')" . ``` 2. **修改代码**： - 将旧代码： ```python with torch.cuda.amp.autocast(device_type='cuda'): # 训练/推理代码 ``` - 改为： ```python with torch.cuda.amp.autocast(): # 移除device_type参数 # 训练/推理代码 ``` 3. **具体文件修改示例**： - 在`train.py`中（约第200行附近）： ```diff - with torch.cuda.amp.autocast(device_type='cuda'): + with torch.cuda.amp.autocast(): pred = model(imgs) # forward loss, loss_items = compute_loss(pred, targets.to(device)) ``` - 在`val.py`和`detect.py`中类似位置进行相同修改 4. **验证修改**： - 重新运行训练命令： ```bash python train.py --img 640 --batch 16 --epochs 100 --data coco.yaml --weights yolov5s.pt ``` - 确认警告消失且训练正常进行 #### 版本兼容性说明 | PyTorch版本 | 推荐用法 | |------------|----------| | <1.10 | `autocast(device_type='cuda')` | | ≥1.10 | `autocast()` | 若需检查环境版本： ```python import torch print(f"PyTorch: {torch.__version__}, CUDA: {torch.version.cuda}") ``` #### 高级修复（针对自定义代码） 如果在自定义训练脚本中使用AMP： ```python # 旧代码（触发警告） scaler = torch.cuda.amp.GradScaler() with torch.cuda.amp.autocast(device_type='cuda'): outputs = model(inputs) loss = criterion(outputs, targets) # 新代码（无警告） scaler = torch.cuda.amp.GradScaler() with torch.cuda.amp.autocast(): # 移除非必要参数 outputs = model(inputs) loss = criterion(outputs, targets) ``` #### 注意事项 1. 此修改**不影响训练精度或速度**，仅消除API弃用警告 2. 若使用Docker环境，需重建镜像以应用修改 3. 推荐升级到最新YOLOv5版本（v7.0+），官方已修复此问题[^3] #### 相关问题 1. 如何正确配置PyTorch与CUDA版本匹配关系？[^1][^2] 2. YOLOv5训练中如何有效使用混合精度加速？ 3. 如何解决PyTorch版本升级导致的兼容性问题？ 4. YOLOv5模型部署时如何优化AMP设置以提高推理效率？[^4] [^1]: DL之IDE：深度学习环境安装之pytorch/torchvision版本和CUDA版本匹配列表、利用Pytorch查看自己电脑上CUDA版本、基于CUDA版本安装Pytorch命令行详解之详细攻略_如何查看torchvision版本_一个处女座的程序猿的博客-CSDN博客 [^2]: 因为我总是重装pytorch所以在这里附上直接安装的代码。这个是我的具体版本 cuda10.1和pytorch1.7.1 pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html [^3]: Reference for ultralytics/models/yolo/detect/predict.py [^4]: def _initialize_biases(self, cf=None): # initialize biases into Detect(), cf is class frequency # cf = torch.bincount(torch.tensor(np.concatenate(dataset.labels, 0)[:, 0]).long(), minlength=nc) + 1. m = self.model[-1] # Detect() module for mi, s in zip(m.m, m.stride): # from b = mi.bias.view(m.na, -1) # conv.bias(255) to (3,85) with torch.no_grad(): b[:, 4] += math.log(8 / (640 / s) ** 2) # obj (8 objects per 640 image) b[:, 5:] += math.log(0.6 / (m.nc - 0.99)) if cf is None else torch.log(cf / cf.sum()) # cls mi.bias = torch.nn.Parameter(b.view(-1), requires_grad=True)