一、准备

1、pycharm专业版
2、FileZilla
3、AutoDL算力平台

二、远程连接

详细步骤在许多平台都有，不再详细描述。
连接时需要注意三个问题，记住连接时本地目录映射到了服务器哪个目录，Yolov5运行完的权重文件等都存在那里，还有连接完在Tool // Deployment // Upload那里上传自己的代码等文件，以及在pycharm下端从本地切换到远端服务器。

三、上传数据

推荐使用FileZilla上传文件，因为可以一整个文件夹上传，而且速度很快。这里需要上传train、valid、权重文件和配置文件。

3.1、修改数据路径

上传后还需要修改train.py文件里的权重文件和配置文件路径、以及配置文件data.yaml中的数据路径。如何找到路径，路径在FlieZilla中，选中文件，右键复制url，然后将端口前的那截去掉，例如：/root/voc/yolov5x.pt。

四、运行train.py

开始运行后可能会出现各种bug。

4.1 bug 1：

UnicodeDecodeError: ‘utf-8’ codec can’t decode byte 0xd0 in position 43: invalid continuation byte
定位到主函数if name == ‘main’:下方好几十行，在open那里加上encoding。
修改前：

    logger.info(opt)
    with open(opt.hyp) as f:
        hyp = yaml.load(f, Loader=yaml.FullLoader)  # load hyps

修改后：

    logger.info(opt)
    with open(opt.hyp,encoding = 'gb2312') as f:
        hyp = yaml.load(f, Loader=yaml.FullLoader)  # load hyps

4.2 bug 2：AssertionError: Image Not Found

报哪个图片或者标签找不到就在云服务器中把哪个文件给删了，images和labels都要删。

4.3 bug 3：RuntimeError: CUDA out of memory. Tried to allocate 20.00 MiB

定位到主函数，batch-size那里把default改小。

4.4 bug 4：TypeError: can’t convert CUDA tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.

找到pytorch库中的tensor.py文件，定位到630行附件，加上.cpu()即可。
修改前：

return self.numpy()

修改后：

return self.cpu().numpy()

注意：
如果是本地运行出现问题，就修改本地的tensor.py。
如果是远程运行出现问题，就修改服务器的tensor.py。

五、结果

前面说了，要记得连接时本地目录映射到了服务器哪个目录，运行结果就在服务器的目录里。

六、回答自己刚学时最想问的无聊问题

问题一、数据需不需要上传

需要。

问题二、编程和运行如何实现

编程在本地编，实现在服务器实现，结果存在服务器里。