在谷歌Colab上使用免费GPU云端训练YOLOV8模型

在谷歌Colab上使用免费GPU云端训练YOLO模型，十分方便！

本人的电脑显卡是3050，大一点的数据集再加上大一点的模型，训练100多轮需要几个小时，电脑温度急剧上升，风扇嘎嘎响。盘也开始爆红，程序运行会借用部分外存作为虚拟内存使用，最初用C盘，经常爆红和pycharm闪退，后来换了个盘，情况有所好转。但终究还是觉得放在云端训练更加无感，比较好。

引入

摸索使用谷歌的colab进行云端训练，有免费的GPU可以使用。本篇文章以yolov8为例进行演示说明。网络、账号问题自行解决。时长问题，可以通过注册多个帐号进行解决。

Colab 是一个免费的云端 Jupyter 笔记本，可让您在浏览器中使用 Python 进行数据科学、机器学习和 AI 研究。您可以无需配置使用 GPU，轻松共享和导入数据，还可以观看示例和教程。

测试发现，更换训练类型（cpu和gpu）的话，之前下载的资源会丢失，需要重现导入，谷歌磁盘会重现挂载。

过程

登录

登录谷歌colab后，选择在云端硬盘新建笔记本。

如果数据data.yaml和模型model.yaml在本地使用的是绝对路径配置，请更改为相对路径或者重新配置以/content/drive/My Drive/Colab Notebooks/项目文件开头的绝对路径（不急，后面训练前再更改就行）

新建单元，使用下面的命令挂载网盘

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

image.png

弹出挂载请求后，登录与colab相同的帐号即可。

然后在左侧就能看到自己的文件。注意：yolov8模型文件可以在左侧上传，也可以在谷歌网盘中上传。

环境配置

切换到自己的工作目录，注意/content/drive/My Drive/Colab Notebooks/

import os

# 切换工作目录
os.chdir('/content/drive/My Drive/Colab Notebooks/ultralytics-main/')

# 验证工作目录是否已切换
print(os.getcwd())  # 打印当前工作目录

使用下面的命令安装所需要的库

pip install ultralytics

至此，环境已经配置完成

开始训练

默认使用CPU进行训练，选择GPU会报错。

from ultralytics import YOLO

# 加载模型
model = YOLO("yolo11n.pt")

# 训练模型
train_results = model.train(
    data="coco8.yaml",  # 数据集 YAML 路径
    epochs=100,  # 训练轮次
    imgsz=640,  # 训练图像尺寸
    device="cpu",  # 运行设备，例如 device=0 或 device=0,1,2,3 或 device=cpu)

点击菜单栏中的修改-笔记本设置，在下方界面中可以选择GPU训练。

然后显示会断开连接，点击确认，然后保存。重新连接、装载

注意：需要重新执行环境配置、工作目录切换。否则报错。

输入以下代码测试

from ultralytics import YOLO

# 加载模型
model = YOLO("yolo11n.pt")

# 训练模型
train_results = model.train(
    data="coco8.yaml",  # 数据集 YAML 路径
    epochs=100,  # 训练轮次
    imgsz=640,  # 训练图像尺寸
    device="0",  # 运行设备，例如 device=0 或 device=0,1,2,3 或 device=cpu
)

开始使用GPU训练，终端现实的内容与电脑本地训练无异。

其他

colab非常好用，支持多种格式的文件的查看（csv、png、jpg等）、修改（yaml、txt、csv、py等）。

十分方便修改yaml、py文件。

支持查看资源使用情况，显存占用达到7个G，风扇再也不嘎嘎转了。

支持与google家的GeminiAI进行交互，有什么代码问题可以直接询问。

测试了一下，电脑上3个小时训练时间，直接压缩到了半个小时完事儿。

等等，还没完！

然而，当我引入注意力机制模块SEAM的时候，却发生了报错。

下一期，讲讲怎么解决的。

以上就是本期的全部内容了，利用colab进行训练，无需复杂的环境配置即可完成。后续将会撰写其他类型的云端训练教程，欢迎关注。

这里是Andsoon，输入与输出~