本文作者：张宁
浙江华双信息科技有限公司 技术总监
负责带领技术团队进行重点产品、项目研发，负责系统架构设计，规划平台未来技术架构方向。目前主要研究领域为图像识别、目标检测、语义分割，曾负责“三防三白”中工作服、帽子及口罩佩戴检测预警、洪水预报预警等业务。
操作场景
使用 TeslaA100 GPU 云服务器进行 YOLOv5 模型训练用于目标检测任务，查看训练效果。
YOLOv5 模型简介
YOLOv5 模型是 Ultralytics 公司于 2020 年 6 月 9 日公开发布的。YOLOv5 模型是基于 YOLOv3 模型基础上改进而来的，由 Backbone、Neck 和 Head 组成。
示意图如下：
示例环境
实例类型：单卡TeslaA100 GPU 云服务器
系统盘：50 GB高性能云硬盘
操作系统：Ubuntu20.04
带宽：20 M（按流量计费）
本地操作系统：MacOS
PytochGPU 环境搭建
参考青云官方文档《UbuntuGPU 云服务器搭建深度学习环境》中的“GPU 云服务器显卡相关配置”和“Pytorch 安装”两大模块。
训练数据
训练数据集选用 coco128，一共 128 张图片，一张图对应一个标注好的 Label。
数据集概览如下：
训练数据上传服务器
通过 Linux 连接工具，选择 sftp，输入对应的服务器公网 IP、账号、密码即可连接云服务器。
训练结果
利用 GPU 进行训练，每个 Epoch 在 1 秒内完成，300 轮 Epoch 总耗时 7 分钟，Percision 和 Recall 达到 90% 多，IOU0.5 情况下，mAP 接近 1。
每个Epoch在1秒内完成，300轮Epoch总耗时7分钟
Percision 和 Recall 达到 90% 多，IOU0.5 情况下，mAP 接近 1
查看训练结果：
补充测试
coco128 训练数据集较小，使用另一份较大的训练数据集做测试，图片约 8000 张，大小 790 M，每轮 epoch 在 40s 内完成，表现很好。
每轮 epoch 在 40s 内完成
张 宁
浙江华双信息科技有限公司
技术总监
“青云 GPU 云服务器使用下来很惊喜，TeslaA100 显卡很给力，非常适合深度学习相关模型的训练。
而且，按需计费模式下，GPU 云服务器关机后，云服务器的 CPU、内存、GPU 卡这些计算资源不会收费，只有系统盘仍会产生费用，把系统盘的容量缩小就可以节省成本了。
如果训练样本过大，想以比较低的成本传输训练样本数据，可以创建一个硬盘，在 GPU 云服务器关机的时候，将硬盘卸载，然后创建一个低配置的云服务器，将硬盘再挂载这个低配服务器上进行样本数据传输，等训练时将硬盘再挂载至 GPU 云服务器进行训练。”
青云最新 GPU 云服务器申请试用
搭载 Ampere 架构 NVIDIAA100 Tensor Core GPU 显卡，单卡显存 40 GB，单台云服务器最多可挂载 8 块 GPU，适用于深度学习、科学计算应用加速。
即刻申请，新用户可获得 200元 优惠券！
贡献实践文档还可获得 500-1000元 大额优惠券奖励！
