首页 > 其他分享 >多卡训练yolo系列模型

多卡训练yolo系列模型

时间:2023-04-21 14:26:01浏览次数:46  
标签:log STDOUT 模型 yolo 多卡 转发 后台 运行 out

直接在后台服务器运行

输入命令

nohup python train.py > out.log 2>&1 &

注意,一定要用 “ nohup <运行程序> > out.log 2>&1 & ”,让程序在后台运行。原因是,从下载巨大的数据集,到训练 YoloV5 模型,前后要运行十几个小时。在这段时间里,你的笔记本电脑与 MistGPU 的网络连接,很可能会中断。所以,把程序放在后台运行,只要服务器不挂掉,程序就一直运行,直到完成任务。

其中 ,(1)out.log 是输出的日志文件名,可以随意修改;(2)> out.log 的意思是,把 fd1(STDOUT) 的内容,转发到 out.log 文件;(3)2>&1 的意思是,把 fd2(STDERR),转发到 fd1(STDOUT),而 STDOUT 会再次转发到 out.log。

参考链接:https://zhuanlan.zhihu.com/p/582658341

标签:log,STDOUT,模型,yolo,多卡,转发,后台,运行,out
From: https://www.cnblogs.com/cfancy/p/17340174.html

相关文章

  • 谷歌宣布开放PaLM API,可在浏览器内操作,终于可以尝试大模型啦
    文|coco酱2022年4月,谷歌发布了一个基于Pathways架构的、拥有5400亿参数的超大语言模型,命名为PaLM,即PathwaysLanguageModel。就在昨天,谷歌突然宣布开放其PaLMAPI服务,让开发者能够使用其最先进的AI语言模型之一:PaLM,赋能所有开发者构建具有生成式AI的下一代应用程序。同时发......
  • 值得思考,机器学习模型做出的决策是你想要的吗?
    分享一篇理论知识,对我们理解和应用模型会有帮助!区分预测模型和分类模型是很重要的一个事情。在很多决策应用中,分类模型代表着一个“不成熟”的决定,它组合了预测模型和决策制定,但剥夺了决策者对错误决定带来的损失的控制权(如随机森林中的服从大多数原则,51棵树预测结果为患病49棵树......
  • 复旦大学《人工智能与大模型》主题师资培训重磅招募
    大语言模型热度空前,诸如文心一言、ChatGPT等已经能够与人对话互动、回答问题、协助创作,逐渐应用于人们的工作和生活,也引发了社会热议。为了推动大模型及人工智能相关专业人员的培养,中国自动化学会、复旦大学、百度飞桨联合举办“人工智能与大模型”师资培训班,本次活动将重点阐释大......
  • YOLO超快时代终结了 | RT-DETR用114FPS实现54.8AP,远超YOLOv8
    前言 本文首先分析了现代实时目标检测器中NMS对推理速度的影响,并建立了端到端的速度基准。为了避免NMS引起的推理延迟,作者提出了一种实时检测Transformer(RT-DETR),这是第一个实时端到端目标检测器。具体而言,设计了一种高效的混合编码器,通过解耦尺度内交互和跨尺度融合来高效处理多......
  • 3D Diffusion模型来了!OpenAI出品,已开源
    文|天于刀刀2022年不愧是AIGC行业元年。伴随着ChatGPT的大火使得谷歌一周之内改口“会认真评估ChatGPT对搜索引擎的影响”,OpenAI在3D图像生成领域进一步放出了大招开源项目“Point-E”[1],可玩程度不下于ChatGPT!简单来说,用户可以输入一连串文字prompt内容,只需要短短18......
  • 一套完整的基于随机森林的机器学习流程(特征选择、交叉验证、模型评估))...
    机器学习实操(以随机森林为例)为了展示随机森林的操作,我们用一套早期的前列腺癌和癌旁基因表达芯片数据集,包含102个样品(50个正常,52个肿瘤),2个分组和9021个变量(基因)。(https://file.biolab.si/biolab/supp/bi-cancer/projections/info/prostata.html)数据格式和读入数据输入数据为......
  • 深度学习基础入门篇[六(1)]:模型调优:注意力机制[多头注意力、自注意力],正则化【L1、L2,D
    深度学习基础入门篇[六(1)]:模型调优:注意力机制[多头注意力、自注意力],正则化【L1、L2,Dropout,DropConnect】等1.注意力机制在深度学习领域,模型往往需要接收和处理大量的数据,然而在特定的某个时刻,往往只有少部分的某些数据是重要的,这种情况就非常适合Attention机制发光发热。举......
  • 零样本文本分类应用:基于UTC的医疗意图多分类,打通数据标注-模型训练-模型调优-预测部署
    零样本文本分类应用:基于UTC的医疗意图多分类,打通数据标注-模型训练-模型调优-预测部署全流程。1.通用文本分类技术UTC介绍本项目提供基于通用文本分类UTC(UniversalTextClassification)模型微调的文本分类端到端应用方案,打通数据标注-模型训练-模型调优-预测部署全流程,可快速......
  • 深度学习基础入门篇[六(1)]:模型调优:注意力机制[多头注意力、自注意力],正则化【L1、L2,D
    1.注意力机制在深度学习领域,模型往往需要接收和处理大量的数据,然而在特定的某个时刻,往往只有少部分的某些数据是重要的,这种情况就非常适合Attention机制发光发热。举个例子,图2展示了一个机器翻译的结果,在这个例子中,我们想将”whoareyou”翻译为”你是谁”,传统的模型处理方式是......
  • 推荐系统的双塔模型,问答
     想问一下各位大佬:1.推荐系统的双塔模型中,为什么用户向量和商品向量的内积可以表示用户对物品的兴趣呢?因为内积描述的是两个向量之间的相似度,而用户和物品的特征差别很大。2.即便用户和物品很相似,可以用相似度来刻画喜爱程度吗?   ......