自己电脑算力简直太差劲了，在AUTOdl上租个0.88/h的服务器跑yolov5代码，找了好多教程，鼓弄了两天时间我的代码才算能跑起来，感觉市面上的博客写的都不够详细，包括我遇到的一些问题，我整理了一下发出来也供自己参考
目录
1.AutoDL租用服务器
2.下载&Pycharm远程开发
2.1 下载专业版pycharm
2.2 正确打开pycharm
2.3 pycharm远程开发
3.正文：训练train.py
3.1 上传文档
3.2 打开终端
3.3 如何将服务器端的runs中训练结果导出到本地
4.整个过程中我遇到的问题以及解
4.1 train.py过程中
4.2 英文译文大概意思：图片无法打开
4.3训练中断后想继续训练
4.4训练完轮数后发现还想多训练几轮
4.5 设置pycharm远程连接时遇到SFTP连接不上的问题
5 配置好环境了想训练只需要更改一下几行代码
5.1 train.py中
5.2 parameter.yaml文件中
5.3 detect.py中
1.AutoDL租用服务器
AutoDL-品质GPU租用平台-租GPU就上AutoDL打开官网后选择 计费方式 GPU型号数量（我猜服务器越好的越贵）
租完之后再传输文件时可以选择无卡模式开机（省钱）
等真正训练train.py时再正常开机
但是很可能这个服务器就被别人给占用了
注：镜像最好不要选择社区镜像
有的小伙伴想训练yolov5，刚好社区镜像里有，心思方便了不用配环境了，大错特错！我刚踩完这个坑，后续运行超级费劲（可能是我不会搞）而且看了这么多教程都没有搞社区镜像的，大家按部就班来吧还是
我选的是PyTorch1.11.0+Python3.8(ubuntu20.04)+Cuda11.3
2.下载&Pycharm远程开发
2.1 下载专业版pycharm
Pycharm专业版安装详细教程！_pycharm专业版安装教程_初识-CV的博客-CSDN博客Pycharm官网地址（下载）：https://link.zhihu.com/?target=https%3A//www.jetbrains.com/pycharm/download/other.html有各种不同版本的Pycharm供下载，本文选择Pycharm专业版下载，建议下载2020.1.5版本.安装教程下载完成之后，就按照步骤开始安装了，点击Next：我选择安装在F盘，因为C盘太占用空间了，会比较卡，点击Next:一定要选着添加到环境变量中，不然后面还要手动配置环境变量，比较麻烦,https://blog.csdn.net/qq_38410428/article/details/118912777
2.2 正确打开pycharm
点击这里
2.3 pycharm远程开发
放一个AutoDL的帮助文档
AutoDL帮助文档https://www.autodl.com/docs/pycharm/ps：最后一步打开远程终端的下拉箭头pycharm2020版本没有，可以选择JupyterLab打开终端
3.正文：训练train.py
3.1 上传文档
具体请参考这篇
Xftp使用教程——远程传输YOLOv5到autodl上_邸笠佘司的博客-CSDN博客如何通过xftp上传文件至autodl端https://blog.csdn.net/m0_68738477/article/details/130885377?spm=1001.2014.3001.5501将yolo文件夹整成zip压缩包，打开xftp软件进行文件传输
或者将文件拖拽到JupyterLab的左侧文件夹位置（我觉得速度有点慢）
3.2 打开终端
使用unzip命令将压缩包解压到服务器端
unzip yolov5 revised.zip进入文件夹，输入
cd yolov5 revised
conda init #输入后退出终端在进入终端 进行环境激活
cd yolov5-revised #进入到文件夹
pip install -r requirements.txt #安装剩余的包
更改train中的model.yaml的路径以及parameter中的path、train、val的路径
输入如下进行训练
python train.py共花了1.994h，训练结束如下
更改detect文件中的这几个路径
输入如下进行测试集训练，测试结束如下，训练结果保存在服务器的文件夹里
python detect.py
3.3 如何将服务器端的runs中训练结果导出到本地
输入如下，将数据打包到runs.tar.gz中
tar -cvf runs.tar.gz runs/
中间runs.tar.gz的runs可以改成自己想要打包成gz文件的文件名字
runs/为yolov5文件夹下的runs文件夹，意思是将runs文件夹下的所有内容都打包，有些费时间
可以将最后的一个exp文件打包下载，如下所示
tar -cvf exp35.tar.gz runs/detect/exp35/
将文件转移到自己本地目录下的yolov5/runs的文件下就好了
4.整个过程中我遇到的问题以及解
4.1 train.py过程中
报错：pandas._config.config.OptionError:"No such keys(s): 'mode.use_inf_as_null'"
解答：
pip install --upgrade panads
pip install pandas==0.25.34.2 英文译文大概意思：图片无法打开
报错：
global /io/opencv/modules/imgcodecs/src/loadsave.cpp (239) findDecoder imread_(...) can't open/read file: check file path/integrity
或
assertionerror： image not found .............
解答：删除datasets/labels中的train.ache和test.cache
4.3训练中断后想继续训练
将default=False改成True（别忘记重新训练的时候需要改回False）
4.4训练完轮数后发现还想多训练几轮
在改变输入参数中的epochs后没有效果，同时修改runs结果文件中的opt.yaml文件。将其中的epochs修改为想要参数才成功。
4.5 设置pycharm远程连接时遇到SFTP连接不上的问题
重新创建一个新的连接服务器的界面就好了文章来源：https://www.toymoban.com/news/detail-444184.html
5 配置好环境了想训练只需要更改一下几行代码
第一次配置好环境后并不需要每一次都重新配置环境（当然你更改租用的服务器得重新配置），那么我们需要修改哪些代码可以跳过配置直接运行呢？文章来源地址https://www.toymoban.com/news/detail-444184.html
5.1 train.py中
parser.add_argument('--cfg', type=str, default='datasets/helmet model.yaml', help='model.yaml path')
parser.add_argument('--data', type=str, default='datasets/helmet parameter.yaml', help='dataset.yaml path') parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')5.2 parameter.yaml文件中
# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
path: ./datasets
train: ./datasets/images/train # 128 images
val: ./datasets/images/test # 128 images5.3 detect.py中
parser.add_argument('--weights', nargs='+', type=str, default='runs/train/exp2/weights/last.pt', help='model path(s)')
parser.add_argument('--source', type=str, default='datasets/images/test/hard_hat_workers243.png', help='source') # file/folder, 0 for webcam
parser.add_argument('--data', type=str,default='datasets/helmet parameter.yaml',help='dataset.yaml path') parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')到了这里，关于AutoDL+pycharm+yolov5远程租服务器训练数据集的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
