目标检测实战教程02-没有GPU，如何训练自己的目标检测算法

没有GPU，如何训练自己的目标检测算法

B站视频教学

很多初学者想要尝试学习深度学习的时候苦于没有相应的GPU资源，而使用CPU训练任务效率又太低，所以本节内容教大家如何使用在线的免费GPU学习平台，在Ai studio上完成目标检测训练任务。

项目地址：
fork以后注意修改数据集配置文件内容
https://aistudio.baidu.com/aistudio/projectdetail/3795143

下载目标检测套件

由于github的访问速度较慢，所以选择下载gitee上的套件代码。

在命令的最后加上要下载的版本名称，如果没有指明版本，则默认下载最新发布的版本。为了防止官方更新代码的参数，我们一般指定使用一个比较稳定的版本来完成任务。

本系列视频就采用目前最新的2.4版本进行讲解使用方法。

!git clone https://gitee.com/paddlepaddle/PaddleDetection.git -b release/2.4

最新的版本往往功能更加丰富，包含一些新的算法框架和功能，大家感兴趣可以试一下。

进去目录下，安装所需的依赖库。

%cd PaddleDetection/
!pip install -r requirements.txt
%cd ..

解压数据集

将上传的数据集在data目录下找到，然后解压

!unzip -oq /home/aistudio/data/data121670/Big.zip -d /home/aistudio/data

修改配置文件内容

主要是修改数据集的路径就可以开始训练了。

metric: COCO
num_classes: 1

TrainDataset:
  !COCODataSet
    image_dir: /home/aistudio/data/JPEGImages
    anno_path: /home/aistudio/data/bigtrain.json
    dataset_dir: /home/aistudio/data
    data_fields: ['image', 'gt_bbox', 'gt_class', 'is_crowd']

EvalDataset:
  !COCODataSet
    image_dir: /home/aistudio/data/JPEGImages
    anno_path: /home/aistudio/data/bigtest.json
    dataset_dir: /home/aistudio/data

TestDataset:
  !ImageFolder
    anno_path: /home/aistudio/data/bigtest.json

开始训练

!python /home/aistudio/PaddleDetection/tools/train.py \
   -c /home/aistudio/PaddleDetection/configs/cascade_rcnn/cascade_rcnn_r50_fpn_1x_coco.yml