AutoDL——终端训练神经网络模型（忽略本地问题）_aotodl 训练了模型,关闭shell了,怎么返回到模型训练

前言：

本人之前分享过一篇文章：使用pycharm连接远程GPU训练神经网络模型（超详细！），其中详细介绍了如何利用pycharm连接AutoDL算力云平台租用的GPU服务器训练网络模型。但有些小伙伴可能会因为一些原因而导致模型训练意外中止，这里博主说明一下如何在AutoDL终端进行模型训练，从而避免此类问题。

1、租用GPU服务器

2、资源的上传与下载

前两步在上一篇文章都详细介绍过，不清楚的小伙伴可查看一下。

3、终端训练神经网络模型

租用GPU并完成相关资源的上传后，大家进入控制台的容器实例界面，在快捷工具中点击进入JupyterLab，如下图所示。

点击进入终端，如下所示。

在终端输入相关命令：

（1）通过 'cd' 命令跳转到GPU服务器中已经上传的代码文件的目录（资源的上传与其相关目录上一篇文章已详细介绍）;

（2）通过命令：python 训练文件.py进行模型的训练。

如下所示：

注意：跳转的资源文件目录随大家自己的情况进行更改

此方法无需pycharm连接GPU服务器，且可避免因网络、电脑本身等原因而导致的训练意外中止的问题（即训练开始后本地问题都可忽略）。建议大家使用pycharm连接GPU服务器时用于调试代码，而训练在终端进行。

训练效果如下所示：

（3）大家可开启第二个终端界面，输入命令：nvidia-smi 查看GPU监控信息，不过这种方法得到的GPU训练数据不直观，大家可直接在容器实例中进入AutoPanel，里面可以很直观地查看GPU训练时的相关信息。

OK，以上就是本次文章的全部内容，有任何疑问大家可在评论区进行留言讨论，感谢大家的阅读！