ResourceExhaustedError about paddleyolo HOT 6 CLOSED

改动：只改了配置文件
coco_detection.yml 文件中 num_classes: 4
yolov7p6_elannet.yml 文件中 YOLOv7Head: anchors: [[29, 35], [41, 62], [79, 37], [96, 101], [185, 58], [155, 174], [298, 125], [267, 290], [621, 176], [414, 402], [880, 414], [945, 949]] （tools/anchor_cluster.py 生成）
yolov7p6_reader.yml 文件中 worker_num: 1 ； TrainReader:下batch_size: 4 ； EvalReader:下 batch_size: 4
版本：
paddlepaddle-gpu 2.3.2
paddledet 2.4.0
paddle-bfloat 0.1.7
python 3.6.2
cudatoolkit 11.2.2
cudnn 8.1.0.77
服务器环境：
Tesla P40 服务器 Linux gpu 4.15.0-142-generic系统
Anaconda下使用conda创建的python3.6的虚拟环境，然后安装了paddle2.3.2 和paddledetection_yoloseries

训练命令：export CUDA_VISIBLE_DEVICES=7
python --log_dir=./yolo7_dygraph/ tools/train.py -c configs/yolov7/yolov7p6_e6e_300e_coco.yml --eval -o use_gpu=true

from paddleyolo.

上面训练命令采用多卡会造成另一个错误，也已经在问题区进行了提问，期待答复

from paddleyolo.

from paddleyolo.

我看到gitee上也有人提出这个问题，但是没检索到解决方法，我的情况和他的类似！

from paddleyolo.

提问请遵循issue模板，说明下改动了什么，版本和环境是什么，以便排查问题。

from paddleyolo.

一开始训就显存一直上升直到崩溃，就说明bs过大了，调小点就行。
训练命令加上--amp混合精度训练，加上可以同bs下减小显存占用。
yolov7p6_e6e是最大的模型，不是一般显卡可以训起来的，训自己的数据集注意要加载coco权重做预训练不要从头训，首页readme写明了。

from paddleyolo.