【Inscode】在Inscode上训练GOD-Video气体检测模型，新手小白教程~
【前景提示：请在开始模型训练前，确定好所需要的各种包的版本，一定要对应的版本，否则可能需要卸载重新安装对应版本，浪费很多时间】

本模型需要的版本：python3.8 CUDA11.7 mmcv-full==1.7.0

1、登录Inscode官网：https://inscode.csdn.nt ，登录进去之后，点击GPU云服务器，选择自己想要的GPU。
【PSIscode的优缺点】优点：便宜，缺点：一定要保证有账户余额，否则一旦没钱直接所有东西全部没了。但是到时间的时候会发短信提醒。也不用很担心。

2、启用之后，进入jupyter，点击终端，首先去数据盘目录（root/workspace（默认））下上传项目和数据集。
数据集如果大的话，一般需要的时间很长，只需要等待即可。
上传完成之后，进行解压：终端输入命令：unzip 文件名.zip）

3、进入终端：安装环境。
系统盘安装环境
①# 安装annaconda环境，依次输入命令：
1、wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh
2、bash Miniconda3-latest-Linux-x86_64.sh -u
3、关闭终端，重启一下终端，保证环境安装好。
4、执行命令

conda tos accept --channel https://repo.anaconda.com/pkgs/main

conda tos accept --channel https://repo.anaconda.com/pkgs/r

conda create --name openmmlab python=3.8 -y

(可以不执行）5、进入数据盘：cd /root/workspace
6、激活openmmlab环境：conda activate openmmlab

添加清华镜像源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --set show_channel_urls yes

安装匹配CUDA 11.7的PyTorch（指定版本更可靠）

pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu117

【PS】（以下为本人训练模型所需安装包及训练命令，具体的训练要根据自己所需观看。谢谢！）

安装mmcv-full

pip install -U openmim
pip install mmcv-full==1.7.0 -f https://download.openmmlab.com/mmcv/dist/cu117/torch2.0.0/index.html

pip install mmdet

从云服务器压缩文件夹：在此目录内压缩：zip -r 文件名.zip .

解压 项目文件：unzip Gaseous-Object-Detection-main.zip
进入项目文件：cd Gaseous-Object-Detection-main

pip install -v -e . 

cd external/Shift3D
bash make.sh 

解压数据集：unzip GOD-Video.zip
退出文件：cd .. 或 cd

verify报错：（解决办法）pip install yapf==0.32.0

bash报错：

开始训练前修改数据集位置，进入Gaseous-Object-Detection-main/configs/base/datasets/GOD-Video_dectetion.py，修改data_root为：数据集所在文件夹目录，如下图所示：

/root/workspace/GOD-Video/IOD-Video_COCO_S1/

进入Gaseous-Object-Detection-main/configs/faster_rcnn/faster
_rcnn_r50_fpn_1x_coco_GOD-Video_VSF.py，添加work_dir的位置，即生成的结果目录位置，如下图所示：

work_fir = '/root/workspace/work_dirs'

【训练】

python tools/train.py configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco_GOD-Video_VSF.py  --auto-scale-lr

【PS：训练时报错：若内存不够，可按照以下命令删除不必要文件】

查找并删除大文件（如训练日志、临时数据）

find / -type f -size +1G 2>/dev/null | sort -n -r -k 5 | head -10

删除缓存文件

sudo rm -rf ~/.cache/pip
sudo rm -rf ~/.torch/models  # 删除PyTorch预训练模型缓存

删除回收站的文件

第一步：找到隐藏的回收站

find /root/autodl-tmp -type d -name ".Trash-*" 2>/dev/null

如果输出类似 /root/autodl-tmp/.Trash-0 的路径，说明就是它在占用空间。

第二步：查看它占用了多少空间

du -sh /root/autodl-tmp/.Trash-0

你会看到它具体占用了多少 GB，很可能就是你想要释放的空间大小。

第三步：直接清空它
确认路径无误后，执行下面的命令彻底删除：

rm -rf /root/autodl-tmp/.Trash-0

3. 最后验证一下结果

df -h 

检查数据盘的使用率，应该就能看到可用空间恢复正常了。
至此，恭喜你，又学会了一项技能！！！这里是希望你越来越好的小全全，一起努力学习吧！