阅读量:5
一、选择租哪个
推荐用AutoDL(便宜、功能强大、gug少、有时时客服解决问题)
AutoDL算力云 | 弹性、好用、省钱。租GPU就上AutoDL
二、注册、登录
学生可以认证，享受会员价
服务器需要登录后先充值，先充个10元，接下来试试看。每次都是开机使用完关机后扣费，可以选择按量，超级划算，按小时扣费。
三、使用
1、了解学习查看资料
（租之前具体可以先看看帮助文档，上面好详细，各种文章视频讲解）
2、开始租服务器
建议多租几块，只要不开机，就不会承担费用。只租一块的话，可能出现空闲GPU不足的情况。租好之后，默认开机状态，建议关机或无卡模式开机！
注意选择的两个指标：费用和剩余可租的卡数。可以到最下面选择总结一点的，一般前面和后面的选择的人可能多。至于我说的什么意思，大家租两次用用就知道什么意思了。
3、创建镜像环境
也就是创建一个你要用的模型的虚拟环境，选择基础环境就行吗，里面对应的框架名称，框架版本，python版本。需要的都有，这里说明一下python3.8（ubuntu18.04），ubuntu18.04就是一个Linux系统的虚拟机，服务器不是windows系统，所以运行代码终端命令是在linux系统终端，有点代码有些不一样，不过资料很多，可以查到，不需要担心。
租用服务器很方便的一个就是他conda已经有了，而且不需要下载软件了，只需要根据选择就可以配置好所谓的之前的虚拟环境，也不需要纠结一个服务器上想安装多个环境，没有必要，直接多租几个服务器，每个选择不同的自己需要的基础镜像环境不就好了。到时候不需要直接点击释放实例，就没有了，也不需要担心安装有稳定，环境版本不兼容等问题，及其方便，爽歪歪！！！
点击立即创建，就创建好了，默认是GPU有卡模式开机的，马上点击关机，关机后开无卡模式开机，先熟悉一下，0.1/小时，租好后关机看GPU充足的就是你可以马上使用。
4、网络模型的安装
一、上传代码项目
开机后点击JupyertLab就可以进入
建议可以把自己需要的模型，包，库，项目等放到tmp数据盘。
这里就可以把自己电脑上弄好的项目代码数据集等压缩，然后自己拖拽到JupyertLab左边的目录区，等待上传（只能上传压缩文件，文件夹直接不可以）；
上传结束，在终端命令输入命令，减压成文件夹就可以了。注意先cd文件路径,这里是减压到当前文件夹了。
如zip文件，输入：
unzip 文件名.zip
代码自己项目减压完成后，安装包库，这里用yolov8进行实例分割，所以上面是下载好的ultralytics包和自己建立好的数据集。详细yolov8实例分割各种步骤参考博文
YOLOV8实例分割（环境配置+搭建模型+数据集制作+训练+预测全套）_yolo实例分割_彩色面团儿的博客-CSDN博客
二、安装对应的包
1、创建环境：
conda activate
conda init
2、关闭终端，重新打开，进入（base）环境，到自己项目路径里。
3、直接pip 包就可以了。
pip install -r requirements.txt
安装yolov8，它这里其实叫ultralytics
pip install ultralytics
如果上传的文件啥的都放在miniconda3的文件夹下，就不需要创建环境了，即不需要
conda activate 和 conda init,直接pip包就行。
三、训练模型
那需要训练的时候，我这里是适用，所以epochs=10.且图像数量较少，大家训练的时候就需要把服务器关机重新开机了。就是不能在无卡模式下训练了吧。需要用到gpu了。
yolo task=segment mode=train model=mydata/yolov8s-seg.yaml data=mydata/coco128-seg.yaml epochs=10 batch=4 save=true workers=1 pretrained=true
到此大功告成，训练的pt模型已经保存。
5、尝试终端命令路径跳转
这里注意补充一下在命令里，注意路径：
可以这样用：
cd 路径
注意跳转路径，安装包，运行代码等，路径得对喽。
一、路径补充
相对路径是相对于当前文件所在目录的路径，而绝对路径则是从根目录开始的完整路径。
例如，我们的项目文件夹路径为/Users/username/Documents/myproject，而我们需要读取该文件夹下的test.txt文件，那么使用相对路径就可以直接写成"test.txt"，而使用绝对路径则需要写成"/Users/username/Documents/myproject/test.txt"。
二、表示相对路径的符号
在Python中，表示相对路径的符号有两种：点（.）和双点（..）。
1. 点（.）表示当前目录，例如"./test.txt"表示当前目录下的test.txt文件。
2. 双点（..）表示上级目录，例如"../test.txt"表示上级目录中的test.txt文件。
三、相对路径的使用场景
在Python中，相对路径的使用场景很多，比如：
1. 项目中需要读取或写入某个文件，此时使用相对路径可以使代码更加灵活，可以在不同的机器或环境中运行。
2. 在开发过程中，需要导入其他模块，此时使用相对路径可以使代码更加清晰简洁。
3. 在使用第三方库时，需要指定一些配置文件或资源文件的路径，此时使用相对路径可以使代码更加易于移植和维护。
四、相对路径的一些注意事项
在使用相对路径时，需要注意以下几点：
1. 相对路径是相对于当前文件所在目录的路径，而不是当前执行脚本的目录。如果需要使用当前执行脚本的目录作为相对路径的起点，可以使用os.path.dirname(__file__)获取当前文件所在目录。
2. 相对路径中不要使用绝对路径的形式，例如"../Users/username/Documents/myproject/test.txt"是错误的。
3. 相对路径中的斜杠（/）在不同操作系统中有不同的表示方式。在Windows系统中，使用反斜杠（\）表示路径分隔符，而在Linux和Mac系统中使用斜杠（/）表示路径分隔符。为了保证代码的可移植性，建议使用os.path.join()方法来拼接路径。
四、完成后一定记得手动点关机关机关机
重要是事情说三遍，毕竟跑的都是钱啊！！！你自己的笔记本关机没用啊，远程服务器还是开着的
五、总结
1、租服务器
2、关机开启无卡模式开机
3、进入jupyter
4、压缩本地项目代码为zip文件，拖拽本地项目代码数据到autodl-tmp目录下，上传完成后减压
unzip 文件名.zip
5、配置环境
conda activate
路径前面出现base
conda init
关闭终端重启
6、cd指令进入文件夹目录，安装程序所依赖的包
pip install -r requirements.txt
pip install ultralytics
7、完成，关机，正常有卡模式开机
8、到文件夹目录开始训练
yolo task=segment mode=train model=mydata/yolov8s-seg.yaml data=mydata/coco128-seg.yaml epochs=10 batch=4 save=true workers=1 pretrained=true
9、下载训练好的文件
只能直接在jupyter中右击下载文件，不能直接下载文件夹，官方也给出了很多下载文件夹方法，我觉得很复杂，直接把文件夹压缩了不就能下载了吗？
# 压缩。如果没有zip命令，安装命令：
apt-get update && apt-get install -y zip zip -r <自定义压缩包名称>.zip <待压缩目录的路径>
# 解压。如果没有zip命令，安装命令：
apt-get update && apt-get install -y unzip unzip <待解压压缩包名称>.zip -d <解压到哪个路径>
zip -r train4.zip root/miniconda3/ultralytics/runs/segment/train4
