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)
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
-
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）
-
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
-
在算法中指定数据集的存放路径 （相对/绝对路径均可）
-
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
- 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
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