华为云ModelArts下跑mindyolo算法

在上一篇已经讲过了在windows下使用CPU进行mindyolo的训练和预测，但是训练时间长（500个图片一个epoch需要15min左右），而且实际上我并没有运行成功predict.py文件，出现了报错且没有去解决。所以我决定使用Ascend来进行训练，所以我将项目迁移到华为云ModelArts上。具体步骤如下：

1、进入华为云，在任意一个地区创建ModelArts的Notebook（我使用的是乌兰察布一，mindspore版本为1.7），选择一个mindspore,Ascend的环境，mindspore版本不要太低就行，初始云硬盘大小设置为10GB及以上。

2、如果在windows已经尝试了运行项目，可以将windows上的完整文件夹压缩后拖进notebook里面，或者在notebook里的终端里按照windows的步骤再进行操作一遍，这里不再重复。

3、在终端里面，安装所需的库，这里可以直接运行train.py文件试试，有可能已经有了所需的库。

4、修改train.py文件里的device为Ascend。

5、修改路径，这里的路径我最开始一直报错，发现好像解析路径的代码文件里并没有解析相对路径的代码，只能解析绝对路径，我这里只能写上完整的数据yaml文件路径。在mydata.yaml文件中，前面那几个weight也要改为绝对路径。建议运行后，哪里报错路径就改哪里就行。运行以下代码。

python train.py --config /home/ma-user/work/mindyolo/datasets/mydata.yaml --epochs=50 --iou_thres=0.6 --conf_thres=0.25

6、进行预测，同样将device改为Ascend，weight我使用了最后一次训练的ckpt文件，这里它不像yolov5那样，保存最优参数和最后的参数，我建议可以修改一下train.py的代码，只保存最优和最好的参数。

python predict.py --config /home/ma-user/work/mindyolo/datasets/mydata.yaml --weight=/home/ma-user/work/mindyolo/runs/2024.11.04-21.18.04/weights/mydata-90_28.ckpt --image_path datasets/images/train/000001.jpg --device_target=Ascend --iou_thres=0.5 --conf_thres=0.01

 在ModelArts上运行一个epoch只需要0.25分钟左右，有了极大提升，但是训练效果却不理想，可能还要继续调整。