GPU云服务器使用教程、运行YOLOV5项目并连接到本地VSCode（Pycharm）

编程如画，我是panda！

之前已经教过大家如何在自己的电脑中配置Pytorch深度学习环境，但是有些小伙伴没有英伟达的GPU，所以用CPU的话训练模型会比较慢，所以这次出一期使用GPU云服务器的教程。

码字不易，如果对各位有帮助，希望点赞收藏加关注哦~

前言

因为之前我的电脑是没有英伟达的独立显卡的，所以平常跑深度学习的模型使用CPU的话会比较慢，要跑很久很久，所以之前一直在找GPU的云服务器，也走了不少弯路，这次出一期教程介绍一下服务器的使用方法，来让小伙伴们避免踩坑。

一、服务器使用步骤

1.注册账号

网上有很多家GPU服务器平台，我使用的是恒源云，他家的我个人感觉还不错，也可以使用AutoDL算力云的，具体步骤是差不多的。

恒源云官网：恒源云_GPUSHARE-恒源智享云

算力云官网：AutoDL算力云 | 弹性、好用、省钱。租GPU就上AutoDL

进入恒源云官网，点击免费注册，注册完账号后登录（新人有优惠券和福利）：

也可以使用我的邀请链接，可以额外多获得十元代金券：

https://gpushare.com/auth/register?user=15*****9985&fromId=67760011ab17&source=link

2.租借服务器

打开云市场：

挑选适合的服务器，然后租用：（系统盘20G，数据盘大多都是50G，如果不够可以申请扩容）

然后选择你需要的深度学习的框架和版本，然后创建：

等待创建完成：

创建完成后可以点击Jupyter Lab：

启动后创建终端：

然后你就可以查看你当前机器的环境：
后续就和python的Jupyter的使用一样了 ，建议有Jupyter基础来使用服务器。

二、在服务器运行YOLOV5项目

1.下载YOLOV5项目

YOLOV5项目官网：GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

这里提供两种方法

1.1. 方法一：直接进官网下载，然后上传到服务器

进入官网，点击Code然后下载源码：

这样做是直接把代码下载到本地，后续需要上传到服务器，如何上传我后面会讲解。

1.2.通过git命令

进入官网，点击Code，然后复制命令：

然后回到服务器终端，输入git+clone+你刚才复制的指令

cd hy-tmp
git clone https://github.com/ultralytics/yolov5.git

这里要先cd到hy-tmp文件夹中，因为这个文件夹才是你的数据盘，有50G

然后等待克隆完成：

注：如果git失败或者git显示超时等错误，请先更新一下git：

sudo apt-get update
sudo apt-get upgrade
sudo apt-get install git

如果失败的话，就使用国内镜像源：https://gitee.com/monkeycc/yolov5?_from=gitee_search
同样执行git clone命令就可以了

如果还不行的话！！！就用方法一，然后用我后面讲的方法上传到服务器。

2.训练YOLOV5

首先cd到yolov5的文件夹：

执行下列命令下载YOLOV5所需要的依赖：

pip install -r requirements.txt

然后执行下列命令：

python train.py --data coco128.yaml --weights yolov5s.pt --img 640

如果你的运气好的话，会成功运行，然后训练出官方提供的训练数据集，如果你运气不好，可能看到这样的结果：

这时候就需要我说的下一步了。。。。先下载到本地然后上传到服务器。

三、本地与服务器进行数据交换

1.官方提供工具

1.1.下载工具

恒源云官方提供了上传数据的工具：数据下载 - 恒源云用户文档 (gpushare.com)

选择你的操作系统然后下载：

这里建议把下载好的工具单独放在一个文件夹（Edge会警告你让你删了，保留就行），然后重命名为oss.exe：

1.2.上传数据

按住Win+r输入cmd，打开Windows的命令行，进入到你的oss所在路径，执行命令：（一定要重命名oss）

.\oss login

然后登录进你的恒源云的账号密码：

上传数据命令格式为：（官方提供的下载工具的上传的数据格式只能是压缩包）

.\oss cp 你要上传的数据的路径 oss://

1.3. 从服务器获取数据

回到你的服务器终端，输入oss login进行登录，登录后执行以下命令：

命令最后有个点别忘了

oss cp oss://你的压缩包.zip .

这样就能从服务器收到数据了

2.xftp工具

2.1.下载Xftp工具

下载地址：https://www.xshell.com/zh/free-for-home-school/

双击下好的工具：

点击下一步：

这里默认：

2.2.上传数据

运行xftp，然后会弹出这个窗口：

如果没有就找这里：

点击新建：

名字随便起，然后回到服务器控制台界面，复制登录指令：

然后点击连接：（这里选接受并保存，不然连接不上）

然后你就将你的电脑和服务器建立起了联系：

直接将你想传输的文件拖过去就行了：

进入你的服务器，你就能看到你上传的数据：

四、使用VSCode或Pycharm进行服务器连接

打开VSCode，找到插件，然后搜索ssh，下载：

找到左侧的远程资源管理器：

新建远程：

复制登录指令：

然后输入登录指令按回车：

选择第一个

选择连接：

选择Linux：

然后继续：

然后输入你的服务器密码，

如果连接提示“试图写入的管道不存在”，可能是 Windows 自带的 SSH 问题。可以通过安装 Git，然后在 VSCode 首选项 - 设置中搜索

remote.SSH.path

，填写ssh可执行文件的路径，让 VSCode 使用 Git 提供的 SSH 客户端。

安装git请看下一部分。

然后打开文件夹：

然后继续输入密码，然后信任：

右键文件夹空白区域，在集成终端打开：

如果还需要你输入密码继续输入就行了，可能你把复制的密码粘贴进去不显示，这是正常的，直接回车就行，Pycharm配置也一样的。

五、Git安装并且配置VSCode ssh

下载地址：Git - Downloading Package (git-scm.com)

选择下载文件：

下载好以后进行安装，一直默认就行，因为Git的安装选项比较麻烦，所以，可以去网上自行查找教程，我的建议是默认就行。

然后打开VSCode，找到SSH插件，设置：

往下滑找到下图，改成你对应的路径就行：

更改完以后再去执行第四部分就没有这个错误了。

六、从VSCode训练模型

在终端中继续输入这个代码：（先cd进YOLOV5目录）

python train.py --data coco128.yaml --weights yolov5s.pt --img 640

如果运行还报错就去手动下载，因为这是从国外下载，所以服务器可能连接不上，才会报错，如果需要手动下载的文件，可以私信我。

就算你有幸，真的运行出来了，可以看到，下载数据集的速度还是比较慢的：

将下载好的文件用Xftp传到服务器：

然后将coco128数据集转换成yolov5的数据集格式，就可以使用了，转换代码可以去网上搜也可以私信我。
然后运行文件就就能发现可以开始训练了：

运行结果会放在yolov5目录下runs/train目录。

如果不需要用了，在实例管理可以找到关机选项，关机就可以了。

总结

这篇文章对于想要入门深度学习并且没有英伟达的GPU的小伙伴还是很友好的，希望对各位有帮助，如果遇到任何问题，可以私信我。