如何使用kaggle的免费云GPU来训练自己的模型

一、训练前的准备

1.点击+Create，创建一个New Notebook

2.跳转到以下界面，首先点击upload，选择New Dataset。

然后上传事先打包成zip的模型（模型包含源码+数据集）。这步相当于我们把源码和数据集一起当做了数据集进行了上传。

点击上传后，给这个数据集（其实是源码+数据集）起一个合适的名字，然后等待上传完成点击下方的create

当出现success的时候，说明已经创建成功

3.在右边的Accelerator中选择GPU类型

前提是要在kaggle绑定好自己的手机号，否则不会出现Accelerator这个选项。我个人只使用过GPU P100。

二、训练模型

1.在线训练

上传的模型会存储在input文件夹下，我们需要将他转移到output文件夹中，使用以下代码，前面是上传模型的路径。后面是output文件夹下的文件名，根据自己的需要来决定。

import shutil
shutil.copytree(r'../input/yolov7-gam-ver2', r'./UAV-gam')

然后使用%cd来定位文件夹

%cd UAV-gam/yolov7

在当前文件夹下使用%ls指令来显示出该文件夹中的所有文件

当train.py文件在当前文件夹下时，使用以下代码即可开始训练。

!wandb disabled
!python train.py  --epoch 200  --batch-size 16

第一行是禁用wandb，否则需要输入密码来登录wandb，如果不需要可视化，就直接禁用。

第二行是运行train.py文件，我指定了迭代次数和batch-size，如果需要指定其他的，可以在后面添加。

2.离线训练

如果能顺利开始训练，即可点击右上角的Save Version，这时kaggle就会使用后台运行

可以看到后台已经在运行了，最多可以持续六个小时。这时可以关闭掉电脑第二天起床看结果了