在服务器上训练自己的yolo模型(包含Xshell的使用)

  当我们需要一个比较好的GPU而我们的预算又不足的时候,我们可以租用一个服务器用来临时跑自己的深度学习模型,本文以Xshell远程连接GPU服务器的方式介绍如何将自己的模型上传到服务器并运行
  1.安装Xshell。在 家庭学校免费版页面下载Xshell的免费版,在当前页面输入姓名与邮件,选中xshell下载即可。免费版的功能可能有阉割,但是对于日常使用是够了的,下载其他的版本可能会存在试用期,试用期过了后需要购买,下载完成后默认安装即可。
  2.远程连接服务器。当你获得服务器的ip地址,端口号,用户名以及xshell密码后,打开安装好的xshell软件点击下图所示的新建建立一个新的连接

  在当前界面输入服务器的ip地址以及端口号,点击连接
在这里插入图片描述
  当出现这个界面的时候,选择一次性接受
在这里插入图片描述
  在弹出的这个界面输入用户名
在这里插入图片描述
  在这个界面输入连接的Xshell密码
在这里插入图片描述
  当看到这个界面的时候就是连接成功了
在这里插入图片描述
  输入命令nvidia-smi查看英伟达显卡信息以及显卡驱动和cuda信息
在这里插入图片描述
  3.上传训练文件。点击如图所示的文件传输按钮
在这里插入图片描述
  如果弹出这个界面,点击取消
在这里插入图片描述
  这会打开一个新的界面,同样会弹出这个对话框,选择一次性接受
在这里插入图片描述
  使用如下命令打开文件夹,选择要上传到服务器的文件,注意,选择的不能是文件夹,必须是文件,所以如果想上传文件夹,先将文件夹打包压缩即可。选择以后可以看到文件的实时上传速度以及传输完成的总量,上传完成后关闭这个窗口接口

put -h

  4.开始训练。上传到服务器以后,首先使用如下命令解压(以darknet为例)

unzip darknet.zip

  其后面的训练步骤就与在本地训练的步骤一样了(需要注意的是要将数据集准备好以后一起上传,在服务器上执行脚本)如果发现某个脚本错误,可以使用rm命令将其删除,在本地修改以后再将其上传
  5.将训练后的权重拿下来。首先安装lrzsz,这个可以把文件上传到服务器或是从服务器上下载下来,使用步骤如下

apt install lrzsz
rz              #上传,网速比put -h命令慢,将会打开本地资源管理器,选择上传的文件
sz 文件名        #下载,将会打开本地资源管理器,选择下载的位置

  如果你想将一个文件夹下载下来,先将文件夹压缩,再下载即可,压缩命令为(以压缩darknet为例)

zip -q -r  darknet.zip  darknet

  

  • 10
    点赞
  • 72
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
训练自己的YOLO v8模型需要以下步骤: 1. 数据收集:收集包含目标对象的图像数据集,并确保每个图像都有对应的标签文件,标明目标对象的边界框和类别。 2. 数据预处理:对收集的图像进行预处理,包括缩放、裁剪、增强等操作,以便模型能够更好地学习目标对象的特征。 3. 标签转换:将标签文件转换为YOLO所需的格式。YOLO v8使用的是Darknet格式的标签文件,具体可以参考YOLO官方文档中关于标签转换的说明。 4. 模型配置:根据你的需要,配置YOLO v8的模型结构和超参数,包括网络层、损失函数、学习率等等。这些配置通常保存在一个配置文件中。 5. 模型训练使用收集到的数据集和配置好的模型,在训练集上进行模型训练。这个过程可能需要一定的时间,具体取决于数据集的大小和计算资源的性能。 6. 模型评估:在训练过程中,可以定期使用验证集对模型进行评估,以了解模型在未见过的数据上的表现,并根据评估结果进行调整和优化。 7. 模型测试:在模型训练完成后,可以使用测试集对模型进行测试,评估其在实际场景中的性能表现。 请注意,YOLO v8是一个非常复杂的模型,需要大量的计算资源和时间来进行训练。如果你没有足够的资源和经验,建议考虑使用训练YOLO模型并进行微调,或者使用其他轻量级的目标检测模型来满足你的需求。
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值