使用AutoDL服务器进行模型训练

一、AutoDL进行模型训练

1：在浏览器中搜索AutoDL，进去之后首先要注册，注册完成之后登录，这里注册登录就不放图了；

2：登录后进入主页；

3：在算力市场进行显卡租赁；

GPU数量：代表当前最多可租用的卡数；

4：比如我这边就租一个2080的；

点击蓝色的“一卡可租”；

我这边需要yolov5的训练，接下来有一个注意点；

如果租的卡是30以上的版本，PyTorch，最后的11.1一定要选11以上的版本；

5：点击立即创建；下面这个界面就代表机器运行起来了。

6：点击JupyterLab连接到服务器里；

7：把之前下载的yolo代码传上来；

两种上传方式：

（1）打开文件夹，把项目文件zip压缩包拖拽到左侧文件列表；

（2）

上传之后下面会显示一个进度条，等进度条加载完就上传成功；

8：在启动页打开终端，输入命令；

解压好了之后左侧文件列表会多出刚解压的文件；

9：进入文件夹；激活环境，之前选的基础镜像，默认把环境装好了，但是如果这里直接使用“conda activate base"来激活环境，他会提示我们没有初始化，所以先使用命令”conda init”进行初始化；

接下来我们退出这个终端，重新开启一个终端；

使用"cd 文件名"切换目录；

使用" pip install -r requirements.txt "就会自动把需要的包安装上；

下载安装包的过程比较慢；

如果这边报错，可以根据报错信息修改requirements.txt文件中的包的版本，一般对包版本限制没有很严格；修改完之后重新执行" pip install -r requirements.txt "这个命令；

10：接下来运行步骤就和在conda上执行文件是一样的命令。

如果是数据量比较大的项目，训练速度是非常快的；

训练完之后我们把训练结果最好还是传到本地去，但是在Jupyter里面我们无法把整个文件夹下载下来，只能一个一个下载，我们这里采用另一种方法，把要下载的文件打包：

使用命令"tar -cvf runs.tar.gz runs/"，runs.tar.gz 这个"runs"是要压缩后生成的压缩包的名字，可以自己命名。runs/末尾的这一部分，是要压缩的文件路径，相对现在的路径来说的相对路径，这边也可以写成绝对路径。运行后会生成gz压缩文件，本地可以正常解压，和rar没有区别。

运行后左侧会显示这个文件，鼠标右键点击下载。

11：当资源训练完了之后，我们就可以点击关机。