基于云端gpu训练nanodet网络模型

---

前言

前面有一篇文章主要讲述了如何本地训练yolo网络，略微提到了云端gpu训练，以此篇文章作为延续，详细讲述使用云端gpu训练神经网络模型，以训练nanodet网络模型为例；另外，对于yolo训练和目标检测的简易部署也会再更新一篇文章

nanodet仓库：nanodet

---

一、云端gpu选择

推荐多种，本文使用一种作为示例

1.云端gpu推荐

1.免费gpu

Kaggle和Colab需要科学上网
1.Kaggle
官网：Kaggle

每周43H使用时间
2.Colab
官网：Colab

单次运行12H

3.阿里云天池TCC V100
4.百度的AI Studio V100

2.租赁gpu

1.恒源云
官网：恒源云

2.AutoDL
官网：AutoDL

3.矿机

也是租赁gpu的一种，不过性能减半

官网：锯齿云

2.AutoDL租赁使用

进入AutoDL官网，注册登陆

进入算力市场，这里以租赁3090为例

查看nanodet仓库中对nanodet环境的要求

选择合适镜像

租用成功

二、vscode通过ssh连接云端gpu

也可以使用JupyteLab等

1.vscode插件

• 安装Remote Development插件
  

2.连接云端gpu

• 打开vscode的远程资源管理器
  
• 复制ssh还有密码
  
• 在vscode中粘贴，添加远程服务器
  
• 点击打开远程资源管理器
  
• 输入复制的密码连接上远程服务器
  
• 打开远程文件夹
  

三、部署nanodet训练环境

1.克隆nanodet仓库

• 打开远程终端，克隆仓库

# 此处使用了github加速通道
git clone https://github.91chi.fun/https://github.com/RangiLyu/nanodet.git
# 
cd nanodet

2.根据nanodet仓库要求进行部署

# 选择了合适的镜像，所以可以直接运行后面的步骤
# Install requirements
pip install -r requirements.txt
# Setup NanoDet
python setup.py develop

• 部署完毕
  

四、训练开始

• 根据nanodet仓库中的How to Train进行设置
  

---