在 Windows 上使用 Keras_cv 通过 GPU 进行对象检测

Question

我正在使用 keras_cv 通过 yolov8 创建对象检测。我直接从 keras_cv 构建了具有预训练权重和预训练主干的模型。我还使用从 keras_cv 调整大小等方法。总的来说，在我当前的实现中，我严重依赖受本教程启发的 keras_cv：https://keras.io/examples/vision/yolov8/#introduction

backbone = keras_cv.models.YOLOV8Backbone.from_preset(
    "yolo_v8_s_backbone_coco"  # We will use yolov8 small backbone with coco weights
)
yolo = keras_cv.models.YOLOV8Detector(
    num_classes=len(class_mapping),
    bounding_box_format="xyxy",
    backbone=backbone,
    fpn_depth=1,
)

resizing = keras_cv.layers.JitteredResize(
    target_size=(640, 640),
    scale_factor=(0.75, 1.3),
    bounding_box_format="xyxy",
)

到目前为止，我仅使用 CPU 创建了模型和数据管道、日志记录等，现在我想在 GPU 上开始真正的训练。 由于当我使用 2.10 版本时，带有 GPU 的 Tensorflow 只能在 Windows 上运行（“警告：TensorFlow 2.10 是在本机 Windows 上支持 GPU 的最后一个 TensorFlow 版本。”来自 Tensorflow 网站），因此我已降级到 Tensorflow 2.10。现在我遇到了 keras_cv 与低于 2.11 的 Tensorflow 版本不兼容的问题。

所以我现在的问题是：是否无法在支持 GPU 的 Windows 上使用 Keras_cv？因为我找不到如何为使用高于 2.10 的 Tensorflow 的 Windows 提供 GPU 支持。但我也找不到 keras 如何与 Tensorflow 版本 2.10 一起运行的方法。 如果是这样的话，有什么办法可以避免这个问题。或者有没有办法从 keras_cv 切换到另一个库，并尽可能减少所需的更改。

Answer 1

我使用 2.13 版本的 Tensorflow 训练了模型。我在这里列出我的环境：

tensorflow==2.13.1
tensorflow-estimator==2.13.0
tensorflow-intel==2.13.1
tensorflow-io-gcs-filesystem==0.31.0
tensorflow-metadata==1.16.1
keras==2.13.1
keras-core==0.1.7
keras-cv @ git+https://github.com/keras-team/keras-cv@94b0a551d03ee9de3d81663e2c1a680cb113f7f1