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