[yolov3学习记录1]VSCode连接SSH服务器&yolo v3官网样例

yolov3官网 YOLO: Real-Time Object Detection (pjreddie.com)

深度学习网课初学习

先谈《【中英字幕】吴恩达深度学习课程第一课 — 神经网络与深度学习》这个视频，视频里面最主要说了一点就是向量化，看完后我总结为，将每一层的神经元个数组合为一个列矩阵(y*1)，每一次的训练数据对应的列向量又可以横着合并为一个普通矩阵(y*x)，从而实现将实验数据以及要训练的神经元向量化。而对于向量化计算比循环快，个人觉得是机器学习的许多过程都是一个独立的过程，与上下文没有联系，因此，不需要循环这种等待上一句执行完了再执行下一句的顺序执行，可以通过向量、矩阵来实现各个元素的并行计算。而GPU比CPU进行训练快，则是因为GPU许多流处理器，可以大量地进行并行计算。其次，对于视频里面将的python“广播”(broadcast)机制，我觉得就是语法糖，方便却影响了效率。

VSCode连接SSH服务器

VSCode用ssh协议连接到服务器，打开VSCode后，点击左边的红圈处（如下图）

然后点击”+”添加服务器

在输入框中输入的格式如下

ssh [email protected] -port 22

ssh代表是ssh协议

username是登录到服务器使用的服务器上的用户名，例如:root

@后面接的是服务器地址，例如本地的地址192.168.123.35或者是域名example.com

-port 22可以省略，若省略的话，则是使用默认端口22，如果使用其他端口的话，例如8000端口，则 -port 8000

输入完成后我们按回车

如果成功的话，会叫我们输入用户的密码

输入完成后便在VSCode上面连接上了我们的服务器，左下方会显示

VSCode浏览服务器文件，我们可以点击左上角的这个按钮，选择“打开文件夹”来浏览服务器上的文件夹

例如浏览根目录

VSCode打开服务器终端

安装darknet以及应用yolo v3

主要是按照官网的代码，复制粘贴到终端完成应用。

但其中有个小问题就是，官网这个并没有用到conda创建容器（不知道叫做容器对不对），后来自己乱试了conda create容器，却没有什么变化，后来通过看别人博客怎么在conda环境中部署yolo发现了还有个激活操作才能进入到创建的容器。

最后，尝试了官网如上图最后一行代码，识别图片用了30多秒，觉得不对，认为应该是没有调用GPU，在网上找了怎么用GPU的darknet后，修改了MakeFile文件，但没有反应，觉得可能是我conda环境没有按照cuda cudnn之类的东西，又按网上的教程按照了合适的版本，可是，安装好后，想找安装地址，发现服务器里面已经有cuda10了（我安装了cuda11），只是我没发现，最后在makefile中改了cuda等信息，但还是不行。最后还是看别人博客怎么用yolo的发现，原来改了makefile还有重新编译，重新编译后搞定。

现在不会怎么用这些训练数据来训练。