AUTODL部署structgan

1 Auto DL 环境配置

1.1 租用GPU

• 打开Auto DL官网(https://www.autodl.com/home)，注册账号，进入控制台->点击容器实例->租用新实例，会进入如下图的界面
  
  外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传
• 有不同的显卡型号，基于需求选择相应的显卡；对于structGAN，这里尝试了一下，
  对于所用的structGAN的框架，若选择2080Ti(11G)，只能够设置batch_size=1，2就不能接受了。但对于一个课程作业的要求来说
  选择便宜的显卡就可以了，所以选择2080Ti(11G)。
• 选择好显卡后，开始选择镜像，这里我们选择基础镜像下的miniconda3，不直接选择pytorch的原因是miniconda更为纯净，可以自己安装需要的包。
  
• 这样子我们回到容器实例界面，就会看到我们刚刚所租借的实例了

1.2 环境配置

• 下面我们开始配置我们的环境。我们先点击右侧"更多"，选择无卡模式开机(这样花的钱少，毕竟配环境又不用GPU)，随后点击Jupyter Lab

• 进入终端
  

• 第一次进入需要激活conda后再配置环境

  • 输入vim ~/.bashrc,进入了一个界面
    
  • 英文键盘下按i进入编辑模式，到最下面，输入’source /root/miniconda3/etc/profile.d/conda.sh’
  • 按esc退出编辑模式，输入:wq,回车保存退出
  • 输入’bash’，回车，刷新终端配置，现在就可以激活基础环境了
  • ‘conda activate base’

• 下面创建一个新的环境，输入conda create -n structGAN python=3.6

• 激活新环境，输入conda activate structGAN

• 开始按照库下的readme安装所需的包首先是pytorch：

  • 他说用pytorch=1.6，那就输入conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2 -c pytorch，如果下载太慢就把-c pytorch去掉。(pytorch下载较慢，要等一会)
  • conda install cudnn
  • condda install tensorflow=1.15.0
  • numpy一般会随着pytorch一起安装，所以不再需要安装
  • conda install opencv
  • conda install scikit-image=0.17.2
  • pip install --upgrade pip，更新一下pip，然后 pip install scikit-image==0.17.2
  • scipy=1.2.0应该已存在
    至此，环境基本配置完成

2 上传数据

需要把代码和数据上传到服务器的空间中

2.1 使用filezilla上传文件夹

安装和具体使用可以看官方文档 https://www.autodl.com/docs/filezilla/ 我们要做的事情就是把从github上下载包的文件夹上传到服务器上

把我们的文件夹移到图示文件夹下

3 运行代码

有两种运行代码的方式，一种是在jupyter lab的终端中运行，一种是用vscode远程连接(可以查看官方文档： https://www.autodl.com/docs/vscode/)
这里我们介绍在jupyter lab的终端中运行

• 不再使用无卡模式开机，而是直接开机(烧钱)
• 再次进入jupyter lab，打开终端，激活环境(直接激活就可以，不用重复之前的)
• ‘cd path/’，打开我们的train.py所在的文件夹
• ‘python train.py’，开始训练
  但这里还是会报几个错误：
  • 1. 无dominate包，pip install dominate
       
  • 2. python3.6没有contextvars，pip install contextvars
  • 3. 可能还会出一个莫名其妙的错误，找到train.py脚本里的create_model改一下就好了
       
       
  • 4. 开跑！