yolox_nano模型CPU利用率优化建议

问题定位：

由于yolox_nano是一个小模型，大小只有7MB，每次训练迭代非常快，而数据加载跟不上GPU的速度，导致GPU利用率较低；
此外，yolox使用的 Mosaic 数据增强方式以及其它增强方式需要消耗一定的时间。

优化建议：

1.增加data_num_workers数量。

修改YOLOX/yolox/exp/yolox_base.py文件，在"__init__ "函数增加self.data_num_workers = 4

2.使用cache功能，将数据集预先保存在RAM

python启动命令增加"--cache"参数

3.使用GPU显存占有功能，将所需的GPU提前占据，减少GPU显存分配造成的时间损失

python启动命令增加"--occupy"参数

4.增加batchsize，按显存容量进行增加

5.延长评估间隔，减少保存模型的操作

6.不要用CPU做数据增强

缓存增强后的数据结果，或将数据增强的步骤转为GPU实现

实测效果：

在CPU瓶颈的场景情况下，训练任务的GPU利用率提升2-4倍。