Kaggle平台学习-深度学习运用

终于！我的代码可以在Kaggle平台运行了！开心

由于我的电脑GPU有限，训练只靠CPU简直是太慢太慢，之前听说过Kaggle平台，却因为都是全英文的不太会操作，找到的教程也不能解决我的一些简单问题，这一次在我坚持不懈的学习下总算是会用一点了。感谢这篇文章，对我的帮助最大，ta的教程也容易入手，讲的很详细。

分享给大家一起学习：

使用kaggle GPU跑自己的模型_kaggle跑自己的代码-CSDN博客

 1.上传数据集

（1）通过“新建notebook”--“在input处上传dataset”

（2）在新建页面找到“dataset”直接上传

2.代码部分

我是直接把写好的python代码复制粘贴到notebook中。其中涉及到的所有py文件都依次粘贴过来，从本地导入的内容注释掉即可，例如：

#from File_op import *

另外代码部分需要注意所有涉及到的“路径”问题 ：将数据集的路径替换为kaggle中的，最后的保存内容也输入到kaggle中

数据集从input转移至output使用以下代码：

import shutil
shutil.copytree(r'../input/jiejingdufenji', r'./project')

自己创建文件夹到目录 /kaggle/working/ 下:

方案一：!mkdir 文件夹
方案二：
import os
os.mkdir("文件夹")

 3.结果保存

把原本本地的保存路径改为kaggle上的。

saveLoss('/kaggle/working/loss.csv', epoch_loss, epoch)
save_model_params(model, r'/kaggle/working/model_epoch_{}.pth'.format(epoch + 1))

代码可以运行！结果也展示在notebook里 

 

4.文件下载 

参考文章：

kaggle使用说明_kaggle新建文件夹-CSDN博客

使用kaggle GPU跑自己的模型_kaggle跑自己的代码-CSDN博客

 《kaggle小白》如何利用kaggle平台的GPU训练模型_kaggle gpu-CSDN博客

在Kaggle平台运行项目并输出结果、查看日志文件的详细操作过程_kaggle 放在后台运行-CSDN博客