使用AutoDL训练模型过程中遇到的问题

        自己显卡显存不够用，batch_size调的比较小导致val_loss上升，所以试着去租了云显卡。写一下在跟着教程做的过程中自己遇到的障碍，也算对站内各教程的一点点小补充。

以下是我参考的教程：

http://t.csdnimg.cn/eNj4L

http://t.csdnimg.cn/1dgAn

http://t.csdnimg.cn/QhMso

http://t.csdnimg.cn/0ttiw

1.可以只使用Pycharm专业版，其他软件不是必要的

        各教程里写到使用AutoLD的JupyterLab里或XShell的终端控制，我在过程中发现不用这么麻烦，XShell或者别的软件也不是必须下载，只有Pycharm专业版完全够用。

        SSH连接好之后，依次如下图点击，你就能得到箭头所指的这一个窗口，这就是租用的显卡的终端cmd窗口。（图中我的模型已经在训练了）。你的各种conda、pip、cd指令直接在这写就行。

 2.Pycharm右侧导航栏，修不修改Root path

http://t.csdnimg.cn/QhMso文章中提到修改Root path，我在实际操作中发现这里修改或不修改会使右侧导航栏显示（Tools→Deployment→Browse Remote Host）的目录不同。

        这里上节配置路径指本地与远程同步的项目文件夹，为方便找到特地新建的与项目同名的文件夹作为同步的项目文件夹。

        如果修改，右侧导航栏会显示项目的映射文件夹，如下图（以我正在使用的yolov5项目为例）：

        如果不修改，这里显示的就是root目录，在JupyterLab显示的目录更上一级。为了方便写命令行看目录名字，我选择不设置rootpath。

3.上传数据集文件

        方法有很多，试过用阿里云盘，速度非常慢，数据集大就传不完整。试过之后还是直接在AutoDL的文件存储这上传压缩包再解压最方便最快速。这里要注意的是初始化文件存储地区要和你的容器地区一致，这里建议不要无卡模式开机，你就直接打开，我跟着教程无卡模式开机一直没有autodl-fs文件夹，就也没办法解压数据集，因为根本定位不到，直到我打开GPU才出现autodl-fs文件夹。解压文件夹也建议直接写绝对地址定位。

cd /root/autodl-fs/

4.安装requirement.txt

        前面的坑都避完应该就可以正常的创建虚拟环境一系列操作

// 这是我的指令
conda create -n pytorch python=3.11
conda activate pytorch
conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=11.8 -c pytorch -c nvidia

        别忘记安装requirement.txt，这里我又小出了点问题。问题和解决方法都如下图所示，要定位到项目目录里，但是直接cd 项目名找不到（我自己觉得可能和第2点我没设置rootpath有关，这样目录级数比较大，直接cd项目名找不到，但是好像我改了rootpath也还是定位不到，总之也算提供了一个思路吧），直接写绝对路径定位，然后就可以正常安装requirement.txt了。

cd autodl-tmp/yolov5-7.0
pip install -r requirements.txt

5.修改数据集路径

        运行有报错，Dataset not found，找不到数据集这里我有两个小问题：

        第一个是参考http://t.csdnimg.cn/N5vTD，把路径改成绝对路径；

train: /root/autodl-fs/UA-DETRAC-G2/images/train
val: /root/autodl-fs/UA-DETRAC-G2/images/val

        但是改完还是报这个错，这是第二个问题，解决方法往下看（6.修改参数后运行发现怎么参数没变），即两边都修改，远端的多一个上传更新的步骤。

6.修改参数后运行发现怎么参数没变

      我自己试出来的方法就是在本地项目里改了参数后，比如说这里我修改了epochs和batch-size，

        那么就要在右侧点开远端的同一个文件，也把参数修改成一样的，然后上传，刷新。

        这样在终端输入以下命令行就可以开始以新参数开始训练啦。

python train.py