【自我提升】Yolov5使用云端GPU训练模型（谷歌免费版和AutoDL收费版对比）_yolov5用gpu训练模型

写在前面：继我前几篇Yolov5系列的博客后，来填一个云端训练数据的坑。我公司电脑只能使用CPU训练模型，很拉跨。我自己的笔记本虽然支持GPU，但是运行起来很卡，而且稍微设置设置大一点轮数和批次，就会报当前磁盘内存空间不足。按照网上的方法试了，然而没什么效果，硬件不好就是不好。废话不多说，正片开始！

免费版和收费版各有千秋，白嫖的限制太大了。

目录

一、谷歌免费版训练模型

二、AutoDL收费版

---

一、谷歌免费版训练模型

1. 准备：你需要会科技上网，俗称翻墙。随便选一个，就好了。这里不教违规方法，自己去其他地方学去。

 2. 网址：直接进入下面这个网址即可

Colab云训练服务器https://colab.research.google.com/?utm_source=scs-index

3. 操作：理论部分可以参考下别人文章，本篇博客只记录实战。

Google Colab 快速上手 - 知乎1.什么是 Google Colab？ Colaboratory 是一个 Google 研究项目，旨在帮助传播机器学习培训和研究成果。它是一个 Jupyter 笔记本环境，不需要进行任何设置就可以使用，并且完全在云端运行。 Colaboratory 笔记本存…https://zhuanlan.zhihu.com/p/386162610（1）进入首页后，点击新建笔记本

 （2）新建笔记本后，进入后的界面如下，点击左边的文件夹，右边是命令界面：

 （3）将你的yolov5的项目打包，然后上传到下面这个位置，这里我在官网下载了个yolov5-5.0版本的：

ps: 如果你对yolov5的下载不是很明白，请参考的yolov5避坑专栏。

 （4）在右边命令行界面操作：

解压你上传的文件：

!unzip /content/yolov5-7.0.zip -d /content/yolov5

 进入到解压后的yolov5-7.0目录:

%cd /content/yolov5/yolov5-7.0/

安装项目中需要的环境：

!pip install -r requirements.txt

注意：我按照时并未出现问题！如果你安装时出现找不到这个版本问题，一般有两种处理办法，一种是升级你的pip命令，最新的pip一般功能更加强大。第二种是看日志，找到具体的报错包，一般都会显示他现在有的版本，你只需要打开你的requirements.txt文件，将里面报错包的版本修改为存在的即可。参考下图：

 （5）安装好环境后，进行检测测试

!python detect.py

Look,检测运行成功

 （6）下面我们来试试训练部分

！python train.py

真不错，一如既往的顺畅，成功运行！快去把你自己的数据集搭建到上面吧~

说个坑：谷歌这个虽然白嫖很爽，但是你要是长期没操作他，就会自动退出，然后你之前上传的所有数据都会被清空的，所以你要是自己玩玩，感觉还可以，但是重要一点的话，就别了。等你回头一看，啥都没了。从头开始。

二、AutoDL收费版

1. 打开AutoDL网站，注册

AutoDL服务器https://www.autodl.com/market/list2.根据需求，购买服务，感觉这些显卡最差的都还可以。学习的话，就选个便宜的玩玩就好。自己玩玩就选择按需计费吧，按时间来计费还是可以，包周包月太贵，也没必要。

 3.选好服务器后，就进入到服务器配置界面了。镜像选择基础镜像，然后选择pytorch，版本选择在1.9以上，如下所示：

 4. 操作完上述步骤后，进入控制台，打开服务器界面

5. 他会让你进入到一个新的界面，你在这个界面打开终端：

 （1）激活conda

 （2）新开终端，将yolov5压缩包和datasets压缩包上传至服务器根目录，如下所示：

6. 解压yolov5压缩包和datasets压缩包

unzip yolov5
 
unzip datasets

7. 安装yolov5项目所需的环境

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

ps:和上面那个谷歌免费版一样，要是你出现了版本错误，可以去升级pip，也可以去修改requirements.txt。不过这个地方我遇到一个坑，报错日志忘记丢哪了，我就说明一下吧：

问题：如果你选择修改requirements.txt中的版本，可能安装确实不会报错了。但是和他依赖的所有包都会被pip重新下载，因为版本要进行匹配。租的服务器上的空间是有限的，所以大概率你安装到后面给你说，空间不足（space left 啥啥啥的）。所以还是升级pip吧，这样比较稳妥点。pip install --upgrade pip

8. 上述环境已经安装好了，检测步骤和训练步骤和谷歌免费版后面的步骤一模一样。不过有个坑需要注意下：谷歌的是国外的，人家服务器就在墙外，所以下载国外的东西会很快，而AutoDL是国内的，所以默认下载东西会很慢，甚至是超时。这里不对理论做过多的介绍，想了解更多，去看我的yolov5避坑专栏去。你可以去github官网将检测需要的预训练模型yolov5s.pt下载下来，然后上传到根目录下即可。

训练需要数据集，datasets和当前的yolov5-7.0同级，然后里面的coco数据集，大概率你是需要自己提前下载好上传上去，然后才可以完成训练的。不过，你后面肯定用的都是自己的数据集了，掌握好window上的训练流程，服务器上的步骤都是一样的。

总结：AutoDL虽然收费，但是确实好用一些。可以提供长久安全的训练环境，而且和谷歌一样内置了anaconda。所以不需要再去安装一些基础的东西了。不过需要注意的是：

（1）确定不用了就关机吧，一直计费还是挺贵的。

（2）创建的实例可以保存30天，你不登录就自动释放了。

（3）你租的服务器是共享的，所以下次开机的时候可能别人租着再用，这个时候是没有GPU的，但是你可以登录访问你的数据。你要是想继续训练的话，要么等人家关机，要么换个服务器继续玩。

好了，打工人今天又利用摸鱼时间肝了一篇博客，有时间再来做细致的介绍把。当时遇到的坑还是挺多的，但是开发过程中追求效率，很多错误都没怎么记，现在就大体记录下流程，希望你编程的过程能流利点，少走点坑吧，顺带吐槽下，好博客真的少，半天找不到想要的，只能翻墙出去找咯。