在学习的过程中，很多同学会因为没有带GPU的电脑影响了模型训练从而影响学习；此文详细介绍如何通过云服务器租用GPU进行模型训练，得到模型权重参数。
大家在身边没有GPU服务器，或者算力不够的情况下，也可以采用这些云端算力平台进行使用。本次课程采用的算力平台主要是AutoDL AI算力云，官网链接是：AutoDL-品质GPU租用平台-租GPU就上AutoDL。
1.点击右上角的“注册”选项先进行注册。
2.注册成功后，进入算力市场。可以看到不同区域，空闲的一些GPU服务器，每台服务器的显卡和算力都不相同，大家可以根据自己的需求进行选择。
3.可以看到不同区域，空闲的一些GPU服务器，每台服务器的显卡和算力都不相同，大家可以根据自己的需求进行选择。我们也可以看到，代金券这边刚申请的话，都是10元，可以让大家免费使用，我们训练一下Yolo数据集是够用了。
4. 查看符合条件的云网盘
因为后面训练都是在云服务器上，所以需要将数据集和代码都先上传到云服务器的网盘里面，后面就可以直接在上面操作。
不过大家在实例中可以看到，这里存在不同的地方设备。而且在云服务器网盘中，也有相应的不同地方。
所以需要注意，我们首先查看以下实例中，哪些区域的算力设备，符合自己租赁的范围，再选择相应的地方的网盘，上传代码文件等。
比如大白这里使用的是内蒙的服务器，后面实例购买的时候，还是购买内蒙的实例，就可以在系统盘中直接找到相应的文件。如果后面再购买北京的实例，则在系统盘中，就找不到相应的数据文件。
5 训练&验证集图片上传
我们再将前面的一些文件，传输到“我的网盘”里面。主要上传三个文件：
1）将train_data文件夹中的images_label_split文件夹删除，只留下刚刚划分的train和test文件夹。
为了上传方便，将train_data文件夹，压缩成一个train_data.zip。
2）数据集整理代码
将data_prepare_code文件夹，进行压缩，变成data_prepare_code.zip文件夹。
3）Yolov5训练代码
将Yolov5_code训练代码，进行压缩，变成yolov5_code.zip。
4）后台上传文件
点击AutoDL后台的我的网盘，将刚刚的三个zip文件进行上传，即以下图中的三个文件，当然可能网络原因，有的文件可以上传的会稍微慢一些。
6 新建实例设备
到了这里，我们的代码、数据集都准备好了，就准备新建一个实例设备操作了。这里大白还是选择和网盘所对应的，内蒙A区的实例。
可以挑选自己选择一个GPU服务器，可以看到显示多少钱，这里展示的都是单卡的价格，有的设备必须要N卡一租的，可以看到对应的价格。
点击进入后，可以修改两个地方，一个是GPU数量，一个是新建实例的基础镜像。大白这里，GPU数量选择1，表示单卡。新建实例镜像，选择了Pytorch的版本。我们也可以看到最下方，有一个可用代金券，即表示我们可以先免费使用10元钱。
点击“立即创建”后，就可以看到创建的实例了。
点击右面的“JupyterLab”，可以进入控制台页面。可以点击下面的“终端”，打开一个终端页面，就可以进行操作了。
当然如果一个终端页面不够操作的话，可以点击左上方的“+”号，新增加几个终端页面。比如大白这里新建了4个终端页面。并且在上面，我们看到autodl-nas即我们刚刚使用的网盘。
进入autodl-nas文件夹后，我们也可以看到，里面有刚刚新上传的三个zip文件。
再将三个zip文件，使用unzip的方式进行解压。
最后可以看到，三个文件夹都被解压缩成功。
7.标注文件xml格式转换txt格式
先查看一下训练数据集train_data的路径，因为会涉及到转换后的txt路径，在云服务器上运行加训练。先cd train_data文件夹，再输入pwd，可以看到这时的数据集路径是：/root/autodl-nas/train_data。
然后再去修改代码中的路径，首先cd data_prepare_code文件夹里，再vim train_data_split.py，使用前面的阶段三中的代码，将标注的人体xml文件转换成txt文件。
vim train_data_split.py后，打开页面，拖到最下方，即这个部分。
按键盘上的“i”，进入代码的编辑状态，移动到路径处，修改成云服务器上对应的路径，大白这里是/root/autodl-nas/train_data，大家可以对应修改。
修改完成后，按键盘上的Esc键，跳出编辑状态。再输入“:”，会跳出输入框，再输入"wq!"，表示对于该修改内容，保存编辑强制退出，回到原始页面。
因为云服务器我们刚刚新建实例的时候，没有安装任何安装包。所以先pip install opencv-python，安装一下。
将xml转换成txt格式进行中。
再进入train_data文件夹中，会发现多了两个文件夹，即训练时可以使用。
8.训练人体检测模型
训练人体模型，主要就用到/autodl-nas/yolov5_code文件了，不过在训练之前还要修改一下参数。
（1）新建person.yaml
因为训练的是人体检测模型，所以在yolov5_code/data文件夹中，新增一个person.yaml。不过需要注意的是，训练集和验证集的路径都要修改一下，此外还有类别数，以及类别标签。
（2）修改train.py参数
而yolov5_code/train.py文件中，主要修改models初始化模型的路径，这里大白使用的yolov5n的模型权重。cfg即模型对应的网络结构路径，data是新增的person.yaml路径。此外还有epochs训练迭代的次数，batch-size大小，当然imgsz也可以修改，这里大白默认640。
（3）修改models/yolov5n.yaml
修改其中的类别数量，因为人体就一个类别，修改成1。
（4）训练人体检测模型
因为训练的时候，需要一系列的库文件，所以回到yolov5_code的路径下，输入 pip install -r requirements，安装一系列的库文件。
当然大家如果遇到tqdm安装的报错，可以输入pip install tqdm，看下有哪些版本，找对应的版本下载，如果没有报错，就可以直接跳过。
安装完成后，输入python train.py，就可以开始训练了。
训练过程中，一般会得到两个模型，一个best.pt，即epoch迭代的过程中，map精度对比比较好保存的模型。一个是last.pt，即迭代过程中，最后一次epoch保存的模型。比如大白训练过程中，保存的这两个，在后面测试的时候，主要使用best.pt文件。
9 下载检测模型
在AutoDL的我的网盘，找到runs下面最新训练人体检测模型，路径可以参考：
将best.pt模型下载下来，修改成yolov5n_best.pt。并放到资料包代码文件夹中。
得到训练结果以后，就可以将参数文件下载到本地中用于本地测试了。
评论(0)