新手使用AudoDL炼丹，以maskrcnn为例

最新推荐文章于 2024-09-02 23:14:47 发布

海冬不会停止奔跑

最新推荐文章于 2024-09-02 23:14:47 发布

阅读量659

点赞数 20

文章标签： python ubuntu gpu算力深度学习数据分析目标检测学习

本文链接：https://blog.csdn.net/redADCP/article/details/141829467

版权

从零适配autodl并跑自己的深度学习数据集：

很适合“研0/新手”用远程服务器跑自己深度模型的文章，新手向，好上手，据详细，从准备数据集和寻找调试代码开始。

准备工具

1.Pycharm （专业版才可以调试）
2.autodl算力云

AutoDL租用实例：

租用服务器并选择镜像
根据自己的数据集，选择好GPU的内存，CUDA的版本支持。因为是示例就选择个便宜的。
之后这里要用到登录指令和密码，接下来我们根据代码去连接AutoDL。

Pycharm Professional 连接服务器：

先使用Pycharm打开项目工程
在“文件”选择“设置”
在这里插入图片描述
在项目下选择“Python解释器”，然后点击“添加解释器”，选择下面的SSH

出现这个界面，在AutoDL中复制“登录指令”，按照下面的格式进行修改，然后点击下一步

直接复制密码，点击下一步
在这里插入图片描述

连接完成

这里是配置环境了很重要
总共两个步骤
1.弄“解释器”，点击三个点“…”,解释器的位置为“/root/miniconda3/bin/python”

2.弄“同步文件夹”，即你项目在你当前电脑的路径：

弄好是这样的，推荐远程路径选择如下“/root/autodl-tmp/maskrcnn_example”
在这里插入图片描述
然后点击创建即可，之后回出现镜像安装好的依赖项和软件包，例如torch和pip等常用的软件包

之后会连接服务器，并自动上传文件中的数据和代码。等待即可

同步之后选择“工具-部署-配置”：

点击测试连接，可以检测连接状态
在这里插入图片描述
接下来将“根路径”修改为“/root"

最后映射我们的路径

本地路径一般不需要改了，但是注意我们的部署路径要没有“root":如下图（因为我们已经在前面修改我们的根路径了）：

这样就配置好我们的环境了，可以实际操作了，程序会自动更新索引等。

B站配置环境视频-无废话版本

数据集

这个真的是深度学习中最重要的事情了，深度学习50%以上的事情都是处理数据集的！！！真的很建议去跑一下官方的数据集，再来实验咱们自己的数据集，大家一定要看好数据集的格式，例如coco/VOC数据集是什么样子的，然后再去找脚本更改自己的数据集。
因为博主真的在这方面被折磨了好久/(ㄒoㄒ)/~~，才来决定给大家写个博客的。例如这是我们转成“Coco“数据集的格式：
在这里插入图片描述
同时数据集一般都是放在工程目录下的，推荐使用相对路径！
可以使用”JupyterLab“来看我们的工程再”服务器“上的状态！也是很好的可视化工具

这部分大家会用“labelme”标注数据文件，网上很多教程，就不在这里写了。
标注后的数据和Json文件会在一个文件夹下，使用Py脚本即可转换成上图的“Coco"格式。