如何用远程服务器的GPU跑yolo深度学习项目(新手也能学会）

1.在使用学校/实验室服务器确保你已经有以下几样东西

1.ip（服务器IP地址：例如172.11.11.11）
2.port(端口号)
3.用户名和密码

2.软件安装

2.1xshell安装

1.进入xshell官网shell官网下载地址
2.和普通软件一样正常一步步下载安装即可，不懂百度下

2.2xftp安装

1.进入xftp官网xftp下载地址
2.和普通软件一样正常一步步下载安装即可，不懂百度下

3.服务器连接

1.进入xshell终端输入以下代码

ssh ip:port
# 举例 ssh 171.11.11.11:10001

2.在弹出的窗口添加好账号和密码即可
3.连接成功后显示如下

4.linux版本Anaconda下载

1.进入官网，选择需要的Linux版本Anaconda-linux版本下载地址
我下载的是这个版本（主要要.sh结尾的）

2.利用xftp将文件传输到xshell的服务器中

弹出的界面如下，下载好的anaconda直接拖入右侧即可

3.解压执行:(终端输入以下指令)

cd /root
ssh anaconda文件名 
# 比如ssh Anaconda3-2023.07-2-Linux-x86_64.sh

根据提示一直enter回车，又yes选yes即可

5.xshell中配置conda虚拟环境并创建自己的虚拟环境

1.xshell终端输入 vim ~/.bashrc

vim ~/.bashrc

2.输入i，界面进入编辑模式
3.末尾添加export PATH=“/root/anaconda3/bin:$PATH”(按照你的anaconda存放地址写就行)

export PATH="/root/anaconda3/bin:$PATH"

4.点击ESC退出，再次点击:wq报错退出vim界面
5.终端输入source ~/.bashrc即可激活
4.新建自己的conda虚拟环境

conda create -n env_name python=3.8

5.切换到自己的虚拟环境

conda activate env_name

6.虚拟环境中下载用于跑深度学习pytroch等包

1.进入pytorch官网选择好你要下载的指令即可，这是我的

2.确保你已经切换到了自己的虚拟环境（不是base环境即可）

3.配置conda镜像（逐句复制到xshell终端）

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

4.将1中的指令复制到xshell终端即可（根据自己的来）

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

这个过程比较漫长，静静等待安装即可、
5.检查是否可以用cuda跑深度学习(根据截图的步骤检查即可)

6.yolo项目导入,检测和训练

6.1检测

1.下载yolov5项目下载地址，我下载的是5.6.1版本的
2.导入到本地pycharm上先运行（自己也要配置好conda虚拟环境），不会配置虚拟环境，可以看这篇博客从零开始配置pytorch环境
3.如果出现了报错自己百度解决一下，比如我终端在执行python detect.py报错

主要是我的Pillow版本过高了。
解决方法

pip uninstall Pillow
pip install Pillow==3.8.0

4.直到界面运行成功

5.跑成功后将yolo项目压缩，通过Xftp传输到xshell中，解压

unzip yolov5.zip -d yolov5

切换到自己在xshell中建立的虚拟环境，进入到yolov5的根目录，执行pip install -r requirements.txt(安装所需的依赖包)，如下图

6.下载完成后，执行python detect.py，如果出现报错可能是可你在本地pycharm中运行出现的错误一样（步骤3），同样解决掉就行，如果出现其他错误百度一下即可，以下表示检测成功

6.2训练

1.同理，在pycharm上先运行python train.py看看运行会不会不报错，如果有报错先解决掉报错的问题
2.报错文件
2.1AttributeError: module ‘numpy’ has no attribute ‘int’.
主要是numpy版本问题，定位到dataset.py文件修改以下内容即可

bi = np.floor(np.arange(n) / batch_size).astype(np.int)  
#修改为：
bi = np.floor(np.arange(n) / batch_size).astype(int)  
 
self.batch_shapes = np.ceil(np.array(shapes) * img_size / stride + pad).astype(np.int) * stride
#修改为：
self.batch_shapes = np.ceil(np.array(shapes) * img_size / stride + pad).astype(int) * stride

b = xywh2xyxy(b.reshape(-1, 4)).ravel().astype(np.int)
#修改为
b = xywh2xyxy(b.reshape(-1, 4)).ravel().astype(int)

2.2 RuntimeError: result type Float can’t be cast to the desired output type __int64
定位到

修改内容如下（转换为long()类型即可）

3.同理，通过Xftp将压缩后的yolo项目传到服务器，解压，执行python train.py就可以开始训练了。（使用gpu无需修改device参数，系统会默认选择）


4.如果要训练自己的数据集，见博客yolov5训练自己的数据集