使用YOLOv5训练模型，遇到报错OS error:[winerror 1455]的解决方法

使用软件：VSC2021
GPU：GTX1650
cuda版本：11.1
  学着自己用yolov5模型跑自己的数据集，顺便学习一下深度学习的知识。在对自己第一个数据集训练时一切正常，但是结果不同就想着新弄个数据集训练，但是对再对新的数据集训练的时候，无论怎么调试，都在train.py的import torch处报错：[winerror 1455]，已经牢牢记住这个数字了，于是写一篇文章记录一下处理这个报错的过程。
  上网查了一些方法，但是可能是我的电脑的问题，最常见的三种方法对我而言没有作用。

常见的三种方法

常见的三种方法

方法一：重启电脑和IDLE

  相当于清一下当前的RAM了，怕有什么大的程序在偷摸运行使得RAM很小从而报错，但是在运行程序的时候实际上我是只打开了VSC，和预想的一样，这个方法没能解决问题。

方法二：修改dataloaders.py中的一个参数

  我的yolov5文件目录结构如下图：
  这个方法是在utils/dataloaders.py中，修改num_works参数为0，大概在140+行处，如下图。
  结果是仍然报错。

方法三：给磁盘分配虚拟内存

  操作步骤如上面所给的文章链接一样，我的anaconda安装于D盘，我给了D盘10240MB，但是还是没有用。

之后就是疯狂被折磨，一运行程序内存就爆掉然后电脑卡住，非常无语。期间我还试着调整训练时图片大小、batch-size、epoch等参数，也都没有作用。

新的发现

  对新的数据集训练完全训练不了后，我试着对原来那个训练结果不好的数据集训练，发现竟然可以成功运行！这是令我感到非常奇怪的，于是我开始观察两个数据集之间的不同，发现了两点：①数据量不同，②原来的数据集有.cache文件而新的没有。于是冲着这两个方向去求解。
①数据量不同
  通过对新旧数据集的调整（主要是对新数据集的删除），我把两个数据集的图片数量调整到差不多，然后满怀期望地尝试，然后结果还是不行，依然报错，依然内存爆掉。于是看第二个方向。
②.cache文件
  关于cache，这个似乎是加速数据读取的一个缓存文件。新旧数据集文件中第二个不同就是一个有（旧的），一个没有（新的）这个文件，但是怎么去创建.cache文件咱也不会（我是小菜鸡一个），就上网寻找关于.cache文件的解决方法，终于找到了一篇文章。
成功解决问题的文章

问题的解决

  在文中，我看到了关于cache文件的处理方法，于是学着文中给的步骤去操作。对yolov5文件目录下的utils/general.py文件参数进行修改。大概在40+行处，将NUM_THREADS参数一行（如下图，但是将8改为1），修改为NUM_THREADS=min(1,max(1,os.cpu_count()-1)，在提示创建好.cache文件后，终止程序，再改回8然后再重新运行。
以及在训练模型的代码train.py中，找到workers项，将其修改为0（如下图）。这个改成0后不用改回去。
  然后，运行train.py程序，程序加载yolov5模型参数，然后在得到如下图所示的提示（黄色箭头处）后，可以终止程序（我这里是用的F5调试做的，方便暂停和终止）。这个时候到相应的文件目录下面看，就会发现相应的cache文件已经创建了，然后再把general.py文件的参数调回去（其他的我没调），再重新运行程序就可以了。

补充：VSC快速寻找参数的方法

  在VSC打开文件夹后，如果我们需要查找参数变化、定义的位置，可以如下图所示查找（左侧栏的放大镜图标，点击后输入参数名字搜索即可）。