首先下载filezila,下载连接,下载 - FileZilla中文网
下载客户端版本
选择最右面的64位绿色版,然后无需安装,直接点击filezila,出现这个界面
然后去租服务器,首先需要充值一下,
充值完成之后是这个界面
点击算力市场,查看空余显卡,点击1卡可租,下滑进入这个界面
选择基础镜像,选择Pytorch版本,1.10和1.11没什么差别,都可以,点击立即创建,然后
进入到这个界面
然后返回filezile,打开站点管理器
按照标注的进行填写,先点击新站点,自己命名,随便命名,3-6填写我下面的图
点击下图这个按钮 这个图
输入到主机,显示如下图片,把主机里面的内容修改一下,这个里面的内容是你自己复制的登录指令ssh,和我的不一样
修改成下图所示
点击下图这个复制小图标
输入进这个密码的地方
点击连接
然后弹出窗口,把这个总是信任主机,前面打上小勾,点击确定
出现如下图所示,即为成功
进行数据传输
双击进入sutodl-tmp目录,所有的数据都传输到这个目录
如下图所示,左边为自己电脑的目录,右侧为autodl的目录
点击Fashion-Hash-Net-master下的任意一个文件夹,比如cfg,按住ctrl+a全选,就标蓝了,如下图所示
然后鼠标点击右键,点击添加文件到队列,如下图所示
就出现如下图所示的目录
点击传输,处理队列,进行传输,因为images数据比较大,所以总的文件夹传输大概需要一下午或者时间更长,传输完成会提示传输完成
当列队文件为0时,表明传输完毕
配置环境
点击 jupyterlab
进入如下界面,点击终端
显示这个界面
输入source activate 进入base环境
输入 cd autodl-tmp/Fashion-Hash-Net-master
然后界面如下图所示
然后安装包,输入pip install lmdb pyyaml visdom tqdm
输入 export PYTHONPATH=$PYTHON:/root/autodl-tmp/Fashion-Hash-Net-master/
如下图所示
进入如下路径/root/miniconda3/lib/python3.8/site-packages/visdom
双击进入,修改235行文件,修改成如下图所示,按ctrl+s保存
在 https://github.com/kuweicai/document-sharing中下载文件static,本地解压之后替换Auto DL服务器visdom 目录下的static。(同样用filezila进行传输),在进行传输之前,先把AUTODL上面的atstic删除,右键点击会出现下图界面
如下图所示,选中static文件,同上添加文件到队列,然后处理队列
在 Auto DL 服务器中输入python -m visdom.server 就可以顺利启动visdom服务了。
然后重新开一个终端
输入如下图命令 source actiavte
cd xxxx 和上面路径一样
输入 export PYTHONPATH=$PYTHON:/root/autodl-tmp/Fashion-Hash-Net-master/
如下图所示
pip install olefile
接下来是训练,训练时间较长,可以直接用他给的权重测试
输入 python scripts/run.py train --cfg ./cfg/train/FHN_VSE_T3_630.yaml
FHN_VSE_T3_630.yaml的路径设置如下图所示,
num_works设置为1
EPOCH最初设置是100,我为了看效果,改成了2,你想训练多少轮,就修改成多少
修改之后按ctrl+s保存,最后训练完的结果会保存到checkpoints的这个路径下面,所以你要先新建个文件夹,名字为checkpoints,这个是完整的路径
测试
按照官网的程序
python scripts/run.py evaluate-accuracy --cfg ./cfg/evalute-accuracy/FHN_VSE_T3_630.yaml
会出来如下图所示的结果,结果保存到results文件夹下面
第二个测试
python scripts/run.py evaluate-rank --cfg ./cfg/evaluate-rank/FHN_VSE_T3_630.yaml
下图为跑完的结果,左侧为保存的npz文件,但是这个文件会覆盖上面的npz文件,因此建议把路径修改一下,修改为results1,第二个图是results,是因为是我在没改路径前运行的,你运行完之后会生成在results1路径下。 第三个测试同理