在yolov3下训练自己的数据集卡住
我在进行voc数据集的训练，使用yolov3
并根据这个流程
https://blog.csdn.net/weixin_43818251/article/details/89548583
darknet训练卡住
我使用命令
./darknet detector train cfg/voc.data cfg/yolov3-voc.cfg darknet53.conv.74 >> /home/heying/darknet/scripts/VOCdevkit/VOC2020/traffic_light.log
就是这个终端一直是这样的，这正常吗
问题相关代码
显卡
使用的cfg/voc.data文件
classes= 3
train = /home/heying/darknet/scripts/2020_train.txt
valid = /home/heying/darknet/scripts/2020_test.txt
names = data/voc2020.names
backup = /home/pjreddie/backup/
使用的cfg/yolov3-voc.cfg文件
[net]
# Testing
batch=1
subdivisions=1
# Training #训练模式 每次前向图片的数目=batch/subdivisions
#关于batch与subdivision：在训练输出中，训练迭代包括8组，
#这些batch样本又被平均分成subdivision=8次送入网络参与训练，
#以减轻内存占用的压力；batch越大，训练效果越好，subdivision越大，占用内存压力越小
# batch=64
# subdivisions=16
#网络输入的宽、高、通道数这三个参数中，要求width==height, 并且为32的倍数
#大分辨率可以检测到更加细小的物体，从而影响precision
width=416 #只能是32的倍数
height=416
channels=3
momentum=0.9 #动量，影响梯度下降到最优的速度，一般默认0.9
decay=0.0005 #权重衰减正则系数，防止过拟合
angle=0 #旋转角度，从而生成更多训练样本
saturation = 1.5 #调整饱和度，从而生成更多训练样本
exposure = 1.5 #调整曝光度，从而生成更多训练样本
hue=.1 #调整色调，从而生成更多训练样本
#学习率决定了权值更新的速度，学习率大，更新的就快，但太快容易越过最优值，
#而学习率太小又更新的慢，效率低，一般学习率随着训练的进行不断更改，
#先高一点，然后慢慢降低，一般在0.01--0.001
learning_rate=0.001
#学习率控制的参数，在迭代次数小于burn_in时，其学习率的更新有一种方式，大于burn_in时，才采用policy的更新方式
burn_in=1000
#迭代次数，1000次以内，每训练100次保存一次权重，1000次以上，每训练10000次保存一次权重
max_batches = 50200
policy=steps # 学习率策略，学习率下降的方式
steps=40000,45000 #学习率变动步长
#学习率变动因子：如迭代到40000次时，学习率衰减十倍，45000次迭代时，学习率又会在前一个学习率的基础上衰减十倍
scales=.1,.1
[convolutional]
batch_normalize=1 #BN
filters=32 #卷积核数目
size=3 #卷积核尺寸
stride=1 #做卷积运算的步长
#如果pad为0,padding由 padding参数指定；
#如果pad为1，padding大小为size/2，
#padding应该是对输入图像左边缘拓展的像素数量
pad=1
activation=leaky #激活函数类型
# Downsample
【后面的没有修改】
在卡住的过程中的log文件
CUDNN_HALF=1
0,1
yolov3-voc
net.optimized_memory = 0
mini_batch = 1, batch = 1, time_steps = 1, train = 1
Create CUDA-stream - 0
Create cudnn-handle 0
CUDNN_HALF=1
0,1
yolov3-voc
net.optimized_memory = 0
mini_batch = 1, batch = 1, time_steps = 1, train = 1
Create CUDA-stream - 0
Create cudnn-handle 0
seen 64, trained: 0 K-images (0 Kilo-batches_64)
CUDA status Error: file: ./src/dark_cuda.c : () : line: 38 : build time: Mar 7 2022 - 16:11:01
CUDA Error: invalid device ordinal
CUDNN_HALF=1
0
yolov3-voc
net.optimized_memory = 0
mini_batch = 1, batch = 1, time_steps = 1, train = 1
Create CUDA-stream - 0
Create cudnn-handle 0
CUDNN_HALF=1
0
yolov3-voc
net.optimized_memory = 0
mini_batch = 1, batch = 1, time_steps = 1, train = 1
Create CUDA-stream - 0
Create cudnn-handle 0
CUDNN_HALF=1
yolov3-voc
net.optimized_memory = 0
mini_batch = 1, batch = 1, time_steps = 1, train = 1
Create CUDA-stream - 0
Create cudnn-handle 0
CUDNN_HALF=1
yolov3-voc
net.optimized_memory = 0
mini_batch = 1, batch = 1, time_steps = 1, train = 1
Create CUDA-stream - 0
Create cudnn-handle 0
CUDNN_HALF=1
yolov3-voc
net.optimized_memory = 0
mini_batch = 1, batch = 1, time_steps = 1, train = 1
Create CUDA-stream - 0
Create cudnn-handle 0
我的解答思路和尝试过的方法
权重文件换成了yolov3.weights也还是卡住
说明
使用的voc数据集在我的另一台nvidia AGX 中jetson-inference里训练是正常的，出来的模型识别效果良好
使用的主机是英特尔（Intel）NUC11PHKi7CAA幻影峡谷11代酷睿i7RTX2060独显迷你电脑主机
https://item.jd.com/10028216825202.html
现在临时想到能够提供的暂时这些，如有解决方案我将不胜感激
