深度学习模型部署RV1126准备工作（二）——初学者如何快速上手训练所需模型

模型部署RV11126的流程大致为：训练得到.pth模型、pth2onnx、onnx2rknn，最后在边缘计算设备上完成部署，本文旨在为零基础的初学者，训练所需模型提供一些借鉴。

一、所需条件

有以下两个条件之一即可：

• GPU：pc自带
• CPU：显卡（实验室提供或自购）

二、代码检索

开源代码，可以在github上进行检索（最好打开vpn），网站如下：
GitHub · Build and ship software on a single, collaborative platform · GitHub
在搜索框中，搜索想要训练的代码，就会出现各种相关项目：

下载需要的项目后，在pycharm、vscode自己喜欢的ide中打开，进行训练。

三、训练步骤

1、在pc端windows系统中，完成对目标网络的环境配置即训练

以手写数字识别为例，参考：

基于卷积神经网络的手写数字识别（附数据集+完整代码+操作说明）-优快云博客

（1）安装anaconda3，并创建环境：

打开cmd（命令提示符）conda create -n 设置的环境名字 python=X.X

conda create -n hand_written python=3.8         //创建环境
activate hand_written        //进入激活的环境
conda list                     //查看安装的文件信息
deactivate                   //退出环境

（2）下载相应的下载相应的pytorch，cuda与cudnn版本（本项目不需要cuda、cudnn）

下载链接：

Start Locally | PyTorch

查询cuda对应版本：

如何判断自己的电脑里有没有cuda以及查看cuda版本-优快云博客

pytorch下载链接：

Previous PyTorch Versions | PyTorch

查看自己显卡适合的cuda与cudnn版本并下载：

GPU驱动、CUDA和cuDNN之间的版本匹配与下载_cudacudnn配对-优快云博客

（3）下载手写数字识别的代码以及数据集等，放置于相应文件夹中

下载链接：

Hurri-cane/Hand_wrtten at master (github.com)

2、下载pycharm，打开下载好的文件包
下载链接：

Download PyCharm: The Python IDE for data science and web development by JetBrains

新建项目，打开下载的对应文件：

选择配置好的环境，然后创建：

运行hand_written_train.py，在此过程中在终端用pip install命令配置好相关文件并修改数据集路径，最终进行训练：（main_pthoto.py、predict.py、main.py等文件中的路径也需要修改)

四、pth文件

.pth文件为训练之后模型的保存形式之一，也可以保存为.pth.tar，代码示例片段如下：

个人建议保存为pth即可，便后续onnx的转化。