在云服务器跑YOLOv5,P,R,mAP都为零

在本地（Python3.9 Pytorch2.0.0 CUDA11.8 RTX2060）能正常训练，但在autodl上（Python3.8.10 Pytorch1.9.0+CUDA11.1 RTX3090）训练同样的数据集却出现这个情况，目前不知道是因为Pytorch与CUDA的版本兼容问题还是超参数设置的问题,用本地训练好的模型在云服务器上面能验证。
（与RTX3090相同版本的1080ti没问题）

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 这个问题的回答你可以参考下: https://ask.csdn.net/questions/1096093
• 除此之外, 这篇博客: yolov5环境搭建之“CUDA10.0也可以正常运行pytorch1.7.1”及其他小问题总结中的 问题一：CUDA10.0也可以正常运行pytorch1.7.1 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  在初步搭建完毕yolov5环境之后运行程序，发现出现下面这个问题:
  
  通过查阅资料，出现这个问题大概率是因为torch版本太低的问题。我的电脑只配置了CUDA10.0，由于CUDA10.0版本对应的torch版本为1.2.0（

  官网🔗）

  # CUDA 10.0
  conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch
  

  
  这不符合要求（pytorch>=1.7），为了解决此问题，采用如下办法：

  方案一：在Anaconda Prompt 的 yolov5虚拟环境下输入如下安装命令

  pip install torch==1.7.1 torchvision==0.8.2 -f https://download.pytorch.org/whl/torch_stable.html -i  https://pypi.tuna.tsinghua.edu.cn/simple/
  

  
  验证：
  输入如下代码

  import torch
  print(torch.cuda.is_available())
  print(torch.__version__)
  

  结果显示：
  
  说明安装成功啦！
  运行yolov5的代码，识别结果保存在D:\PycharmProjects\yolov5-master\runs\detect\exp中
  

  方案二：在已经安装CUDA10.0的基础上，再安装CUDA10.2，进而满足pytorch>=1.7要求

  由于第一种方案成功了，因此我没有继续尝试方案二，找到了几份博主的资料供大家参考学习：
  ①windows一个显卡配置多个CUDA版本
  ②Windows安装多版本的cuda

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^