Colab训练yolov5

在需求量不大作为学习使用的时候，colab是完全足够的。当之后增加了训练量之后，可以尝试矩池云，或者colab pro。

Colab介绍

colab相当于是一个云端Linux虚拟机，其根目录为这样：

• 每一个ipynb文件都相当于是单独的虚拟机，互不影响。
• 即使关闭文件，虚拟机进行的更改也会保存。
• 如果发生错误，可以重置运行时，reset runtime，然后就恢复到了默认虚拟机配置

挂载云盘

为了让notebook使用云盘中的内容，需要授权进行挂载，具体的代码如下

from google.colab import drive
drive.mount('/content/drive')

 也可以在笔记本中直接点击图标进行装载:

 装载完成后，文件树中会出现一个drive文件夹

切换工作路径

查看当前工作路径：

!pwd

 切换工作路径的方式如下(唯一比较有区别的是"%"，除此之外，基本的命令都是"!")：

%cd /content/drive/.....

 当切换工作路径后，就可以执行python命令行，如执行YOLO文件夹下的train.py：

python train.py --weight yolov5l.pt

安装依赖

1. 切换到文件目录
2. pip install -r requirements.txt

设置GPU

只需要在笔记本中的：修改->笔记本设置 当中就可以找到GPU选项。

!nvidia-smi #可以查看分配的GPU

 可以看到，分配的是Tesla K80的GPU。显存大概12G。如果充值Pro，可以分配到更好的GPU

pro可以分配两种GPU：在线对比

 

解压zip

 直接上传文件夹有点慢，因此可以先上传zip到Google drive，然后再解压，可以在colab中用以下代码解压：

!unzip "/content/drive/path/input_file_name.zip" -d "output_path"

其他注意： 

• Colab与Google Drive文件是同步更新的，但是同步速度比较慢，是通过网络同步的。。因此虚拟机处理完数据之后，先不要关闭，不然drive中可能还没有同步。
• 读取压缩包的速度比较快。因此上传到drive，或者从drive读取到colab都用压缩包比较好。在colab中解压缩，这样虚拟机中就存在了解压缩之后的图片(之后慢慢同步到drive)
• batch-size可以设置成-1。经测试，Tesla K80支持52的batch-size，会比我本地的电脑快很多
• 在没有使用GPU的时候，不要分配GPU，不然会得到警告。因此我在开始训练前再分配是比较合理的