【项目实训1】手把手教你使用 Dehazeformer 模型去雾：服务器租用、环境配置、自定义数据集、模型的训练与测试（全网最全的操作指导）

前言

文章性质：实操笔记 📖

代码来源：GitHub - IDKiro/DehazeFormer: [IEEE TIP] Vision Transformers for Single Image Dehazing

主要内容：本文详细记录了如何借助 Tabby 图形界面工具在 AutoDL 远程服务器上配置 Dehazeformer 所需的项目环境，并且成功运行 Dehazeformer 模型进行训练和测试，进而实现对自定义数据集的去雾处理。

冷知识+1：小伙伴们不经意的 点赞 👍🏻 与 收藏 ✨ 可以让作者更有创作动力！ 

目录

前言

Prepare

1、AutoDL 租用远程服务器

2、Tabby 设置 SSH 接口

（1）获取 SSH 登录

（2）配置 SSH 连接

（3）运行 SSH 连接

3、Tabby 上传项目代码

4、Tabby 配置项目环境

（1）新建 conda 环境

（2）激活 conda 环境

（3）配置 conda 环境 ①

（4）配置 conda 环境 ②

Download

Training ✨

Testing ✨

---

Prepare

在运行 Dehazeformer 代码前，我们要先在 AutoDL 平台租用合适的远程服务器，并借助 Tabby 图形化界面上传代码和配置环境。

• AutoDL 官网：AutoDL 算力云 | 弹性、好用、省钱。
• Tabby 工具：Tabby - a terminal for a more modern age

借助 Tabby 图形界面在 Autodl 远程服务器上，根据 Github 官网中提供的 DehazeFormer 流程进行配置：

代码链接：GitHub - IDKiro/DehazeFormer: [IEEE TIP] Vision Transformers for Single Image Dehazing

1、AutoDL 租用远程服务器

在 AutoDL 官网的【算力市场】按照自身需求租用合适的 GPU ：

【说明】由于 Github 项目中提到 Dehazeformer 运行环境为 PyTorch 1.10.2 + CUDA 11.3 + cuDNN 8.2.0 ，故按图设置镜像。

2、Tabby 设置 SSH 接口

（1）获取 SSH 登录

在 Tabby 设置 SSH 接口前，需要确保租用的 GPU 处于运行状态，还要获取 SSH 登录所需的指令与密码。