地大服务器使用教程

1. 服务器环境介绍

NVIDIA RTX 3090 (24GB)
NVIDIA RTX 2080 Ti (11GB)

image-20231120113601423

2. 配置实验环境

2.1 Conda环境安装

每位同学都会分配个人用户,大家在自己的用户上使用Conda进行环境配置。

Conda安装教程:https://blog.csdn.net/JineD/article/details/129507719

大家按照教程步骤安装即可, 由于安装时间较长, 视频中暂不进行演示。

2.2 Conda环境配置 (以YOLOv8为例)

# 创建conda环境 名为yolov8_lyj python版本为3.9
conda create -n yolov8_lyj python=3.9
# 激活环境
conda activate yolov8_lyj
# 选择合适的路径,克隆github项目代码
git clone https://github.com/ultralytics/ultralytics
# 进入到项目路径下
cd ultralytics/
# 安装相关依赖包
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

2.3 准备数据集

  1. 下载需要训练的数据集 (最好找顶刊/顶会论文中的公开数据集)

  2. 按照算法指定的数据集格式,对数据集格式进行调整。

​ 目标检测中数据集格式之间的相互转换:(VOC、COCO、YOLO格式)

​ https://zhuanlan.zhihu.com/p/461488682

2.4 开始实验

  1. 在算法中指定数据集的存放路径 (相对/绝对路径均可)

  2. 初始化算法的参数

batch-size  批处理大小:每一次处理图片的个数,根据显卡内存进行调整
epochs	   迭代次数:算法总共需要训练的轮次
workers     载入数据进程数:每一次调用多少个进程来载入数据
device      选择显卡设备: '0'使用3090,'1'使用2080ti,'0,1'使用两张卡
  1. 开始训练
# 运行训练代码
python mian.py

(注:使用向日葵的同学,可以直接在Pycharm当中运行)

3. 注意事项

1. 查看显卡使用情况

两种办法:

# 第一种 使用nivida驱动直接查看
nvidia-smi
# 第二种 使用第三方库 gpustat动态查看
# 先安装第三方库
pip install gpustat -i https://pypi.tuna.tsinghua.edu.cn/simple
# 每两秒刷新一次 动态查看显存使用情况
watch -n2 gpustat

image-20231120122132718

2. Magic Network

使用向日葵的同学,可以使用Magic Network进行github仓库克隆、google网盘数据集下载等

使用方法:

export http_proxy=http://127.0.0.1:7890
export https_proxy=http://127.0.0.1:7890

预祝大家科研顺利,硕果累累,offer拿到手软!!!

博客地址: SwimmingLiu.cn