云服务器租用平台（通过云服务器租用GPU进行基于YOLOV5的人体检测模型训练）
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 。
创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！