在极链AI云平台上用COCO数据集训练Deep Snake网络

Deep Snake本机环境配置：

1、系统环境一览：

显卡：RTX2060
驱动：NVIDIA-Linux-x86_64-440.82
CUDA：10.0
Cudnn：7.6.5
Python：3.7.9
Torch： 1.2.0
torchvision：0.4.0
其他的按照Github官网安装就好
关于DeepSnake训练coco数据集的方法，参照博客：Real-Time实例分割DeepSnake使用篇
2、输入下列命令复制当前虚拟环境：

cd /snake
conda activate snake
conda env export > environment.yaml

此时在snake文件夹下应该可以找到environment.yaml文件
3、给系统安装SSH服务
一般来说系统已经自己安装好了，若没有安装，参考博客进行安装

极链AI云平台训练：

1、上传snake代码

（1）在极链AI云平台上注册账号
（2）充钱
（3）用户中心->数据管理->我的文件->新建文件夹snake->上传snake代码，如下图所示：

2、创建实例
在共享市场中选一块显卡租赁，我这里选择的是RTX2080Ti，GPU数量为1，然后选择官方镜像进行配置，如下图所示：

（1）点击创建实例，等待系统分配资源
（2）系统资源分配成功之后，点击获取登录指令
（3）在本地打开终端，复制网址上的登录指令和密码进行远程连接
登录成功则如下图所示：

（4）找到刚才上传的snake压缩包

cd /data-user
ls
mkdir -p /data-input/snake
tar zxvf /data-user/snake/snake.tar.gz -C /data-tmp/snake/

#此时在/data-tmp/snake/snake下面就包含了项目文件夹

（5）配置环境

cd  /data-tmp/snake/snake
pip install -r requirements.txt

（6）拷贝coco2017数据集到/data-tmp文件夹下

#安装文件拷贝工具
apt-get update
apt-get install rsync -y
#拷贝文件
rsync -ah --progress /data-share/Datasets/coco2017 /data-tmp

（7）将数据集中的压缩文件均解压出来

cd /data-tmp/coco2017
7z x train2017.zip
7z x test2017.zip

（8）为数据集创建软连接

ln -s /user-tmp/coco2017 /user-tmp/snake/snake/data/coco

（9）本地Pycharm通过SSH连接服务器
参考网址：PyCharm 远程连接
连接成功的话可以发现本地修改的代码可以实时上传到服务器端，非常方便，图下图所示：

（10）在本地Pycharm上修改dataset_catalog.py文件中的coco数据集路径，下面贴出一个，另外其他三个coco相关的参照此修改即可：

'CocoTrain': {
            'id': 'coco',
            'data_root': 'data/coco/coco2017/train2017',
            'ann_file': 'data/coco/coco2017/annotations/instances_train2017.json',
            'split': 'train'
        },

(11）开始训练数据集

cd  /data-tmp/snake/snake
python -W ignore train_net.py --cfg_file ./configs/coco_snake.yaml

如下图所示，说明已经成功可以训练了。