问题描述
今天在用YOLOv5训练模型的时候发现报错：
RuntimeError:CUDA error:out of memory
查了一下百度的方法 是在Python文件（你要运行哪个就设置哪个，当然也可也通过环境变量统一设置）中手动设置调用GPU的编号
import os
os.environ["CUDA_VISIBLE_DEVICES"] = '1'
结果就是可以跑起来但是根本不调用GPU，所以速度奇慢无比。
（经后来分析因为我使用的云服务器只有一个卡能用，所以默认为0，设置成1应该也是在用0号）
可以看到gpu_mem为0，通过命令
nvidia-smi
查看后台GPU并没有被占用
这似乎就奇了怪了，网上一般都是以上的方法，还有修改cfg文件的方式（关键字 修改subdivisions ）但是因为查到都是在YOLOv3的文件里修改，在YOLOv5里我没找到，修改batch-size也没有用，这时候就一筹莫展。
解决方案
终极解决方案就是
重新配置了一个实例！
将之前不能使用的主机镜像保存，然后重新配置一个实例，之后将镜像加载进去，之后就可以正常运行了！
再次训练gpu_mem不再是0
通过命令查看后台也不再是
No running processes found
虽然说这样问题就解决了，但这个问题解决的前提是我使用了租赁的云服务器并且可以
方便重新配置并更换镜像
的前提下，如果是其他情况下可能上边的
os.environ["CUDA_VISIBLE_DEVICES"] = '1'
的方法更适用，但也许还有其他的办法，真正出现这个问题的原因我还没有明白，希望有大佬可也赐教，有更好的解决方案。
最后推荐一下我使用的服务器平台AutoDL，感觉价格挺良心，初次使用有免费的金额可以白嫖，挺适合学生的感觉，感兴趣可以点击链接注册了解一下：
AutoDL注册