如何在云服务器上跑深度学习的代码？(ResNet50为例)

✅

个人简介：南京邮电大学，计算机科学与技术，在读本科
兴趣领域：数据结构、C/C++

---

---

一、选择一款云服务器

● 小编选择的 “矩池云”，感觉操作比较方便，也能跑通代码。

● 矩池云官网：https://www.matpool.com。

● 一进去，经过一些 “操作” 能获得 5 元的体验金，可以用来练手。

---

二、上传代码和数据

● 然后打开 个人中心，进入 我的网盘，点击 上传 来把本地的代码和数据上传上来。【如下图所示】

● 为了快速练手，小编已经把代码和数据封装好了。

● ResNet50 + 猫狗数据集(25000张)：https://pan.baidu.com/s/1tIVcJOS6FsO5KDCriusisA，提取码：xwdd

---

三、解压“代码和数据的压缩包”

● 点击左上角的 主机市场，再点击 CPU，进入准备租用 CPU 来解压。【如下图所示】

---

● 随便选一款就可以。【如下图所示】

---

● 随便选一个就可以，小编一般选 PyTorch 1.7.1，然后点击 下单。【如下图所示】

---

● 然后会自动跳出 租用界面，等待一会儿后会出现下面两个 链接，点击 JupyterLab链接。

---

● 再点击 Terminal，进入服务器终端。

---

● 然后我们依次输入以下代码来解压 代码 和 数据：【如下图所示】

cd /mnt
unzip ResNet50-Test-CSDN.zip
unzip cat-dog-all-data.zip

◆ 注：解压图片会花费较长时间(≈1min)。另外，cat-dog-all-data.zip 解压得到的是名为 test-dataset 的文件夹。

---

● 解压完后，再返回 租用界面，点击 停止并释放。之后去看看 我的网盘，就会变成下图：

---

四、训练 ResNet50 神经网络

● 点击左上角的 主机市场，再点击 GPU，进入准备租用 GPU 来训练。【如下图所示】

---

● 选一个关于 Pytorch 的配置(因为小编的 ResNet50 是基于它所写的)，小编一般选 PyTorch 1.7.1，然后点击 下单。【如下图所示】

---

● 然后我们依次输入以下代码来训练：

cd /mnt
python main.py test-dataset

◆ 注：main.py 就是 ResNet50代码，test-dataset 是 25000 张猫狗数据集，已按 9:1 的比例划分成训练集和测试集。批训练大小：batch_size = 64。二分类。

● 至此，基本的操作就写完了。如果需要涉及多 GPU 分布式训练，就要同时租用多个 GPU 即可。

● 如果说代码出错，会在这个终端框中提示出来。但是如果要改代码，只得在本地改好，再上传，再解压，再跑。这样有点麻烦。但小编还是用的这种比较笨的方法，最后完成了项目。

● 另外有一种解决方案，可以用本地的 PyCharm 远程连接服务器进行及时的调试。但这个需要 专业版的PyCharm，要 money，小编还没用过，以后有机会再来做这方面的研究的话，再补一篇博文吧。

---

ps：为了写一篇 1:1 的指南篇，专门用室友的手机重新注册了一个账号，一步一步地截图来写的… ⭐️ ⭐️