在AutoDL平台训练yolov5模型教程_autodl yolov5

前言

由于自己电脑显卡性能一般，买显卡又价格昂贵。之前一直在某宝找人代训练，将训练好的exp放到本地代码中，这种方法虽然好使，但是收费都不低，训练三百张图片，店家至少也要收费100块。因此，我在网上看能否租用服务器进行训练，百度后找到了一些类似的平台。目前仅尝试过AutoDL，下面是我的一些详细运行部署过程，供初学者进行学习：

1、登录注册平台
2、点击右上角控制台
3、点击左侧“容器实例”，接着点击中间的“租用新实例”

4、跳转到如下界面，这里展现的是不同配置的服务器，以及租用的计费方式，因为我只使用过按量计费的方式，所以下面演示我将使用如下方式。按量计费一般是按照小时计费，根据配置不同价格也不相同，配置高的显卡设备收费逐渐变高，一般根据自己的需求来进行租用。以GPU型号RTX 3090为例，这里我们租用这个显卡。


5、下拉到底部，可以配置相关相关的训练环境，因为我要训练yolov5模型，下图的训练框架和其他配置版本都符合我的需求，然后点击右下角的立即创建。

6、实例创建成功后，显示如下画面。到此实例创建完成，正式开始计费了。点击右侧jupyterLab。

7、进入后显示的是如下界面。下面将要上传自己本地的yolov5程序到下图左侧目录中。具体实现为，将自己本地代码打包生成.zip为后缀名的压缩文件。通过直接拖拽压缩包到左侧空白区域，或者点击上传图标进行上传。

8、上传成功后左侧目录为下图所示。通过ls命令，我们查看根目录下的文件。通过pwd我们可以看到是在根目录下的。

9、接下来我们解压上传的压缩包到当前目录中。
解压指令：

unzip yolov5-master.zip
1

解压后的看到路径下已经有了该压缩包文件，通过左侧目录或者指令都可以查看解压后的文件目录。这里需要注意一下，如果本地文件的路径没有修改，需要提前进行修改。可以通过点击左侧的目录，具体修改设置路径的文件。在AutoDL中，根目录为/root/，不清楚的小伙伴可以动手自己查看一下。因此，如果写成绝对路径的样式，需要从/root/开始写。

到此，我们的程序就上传成功了。
10、下面我们需要创建环境，安装程序所依赖的一些包。进入解压后的yolov5文件目录，执行如下指令：

conda activate
1

弹出如下内容：

然后输入conda init，关闭该终端重新打开。打开后如下图所示：

11、cd指令进入文件夹目录，安装程序所依赖的包。指令如下：

pip install -r requirements.txt
1

安装成功后的截图。

11、下面我们将测试一下，环境配置是否正确。（其他路径可训练集、测试集、验证集的划分这里不做展示，看另一篇文档），通过指令执行detect.py文件。因为我之前已经训练好模型了，所以我这样直接测试一下比较方便。

python detect.py
1

程序运行成功，能够对物体进行目标检测。


12、若果需要在线训练模型，将训练集、测试集、验证集都划分好后（划分可以看我发的另外一篇博客关于yolov5环境配置的https://blog.csdn.net/qq_33163464/article/details/130801083?spm=1001.2014.3001.5502），执行如下指令进行训练：

python train.py
1

到此，通过租用服务器训练yolov5目标检测算法就全部实现了。