gpu.52cv.net租用服务器指南（实录，无坑一次成功）
（基本思路：本机调试+环境匹配+Linux基础命令运行）
1.本机调试
1.1 本地pc成功运行train.py
我这次要训练的是yolov3(pytorch版本)数据集已经准备好，具体可参照pprp大佬写的训练教程
成功运行！
本机由于显卡显存只有2g，所以batch调到1才能运行，训练1轮要12小时左右！
1.2 压缩整个文件夹
经测试，压缩包上传比直接传文件夹快很多，所以我选择压缩上传再解压。
1.3 租用与本机环境匹配的gpu服务器
1.3.1 首先查看本机torch，torchvision环境
限制代码运行的主要环境是torch和torchvision，所以最好选择和本机可运行代码的环境一致的gpu服务器，当然你要是不嫌麻烦，也可以随便租一个上服务器再改。（ps：其实torch1.x的环境兼容性很好，不知道新出来的版本如何，反正我在1.1，1.2，1.3，1.4运行都没问题，所以匹配torch的环境就比较方便，限制不是那么多）
本机环境：
1.3.2 租用服务器
选择心仪的服务器，我需求不是很高，2080足矣。性价比不错。
选择镜像版本：
有1.4和1.2两种版本，我电脑用的1.1，这里就选一个比较老的1.2吧！
1.3.3 服务器环境检查
我习惯用xshell连接服务器，用xftp传文件。租用成功后会给你的注册邮箱发邮件，按照邮件提示即可接入服务器。
接着验证服务器pip list：
可以，版本很不错！
1.4 传文件到服务器
1.4.1 传文件
用xftp传文件
同样的方法用xftp连接服务器
文件夹验证，同时传文件，双击即可。
服务器验证文件目录
输入ls即可查看当前目录文件，可以看到，文件匹配。
1.4.2 解压文件
直接unrar x yolov3.rar（如果没有unrar可以sudo 安装unrar）
解压非常快，基本只需要一分钟，我有6万张图和6万标注文件，所以这速度还是非常可观的。
1.5 开始训练
首先cd yolov3，进入到文件夹中，python train.py (后面可以加参数，batchsize之类的)
即可训练成功！环境完全匹配！（有点可惜，2080是真的不行，batch只能设置到16，并且30分钟一轮，难受，后面我又退了租成了1080ti，还是1080ti香，浪费了一个多小时的钱）
接下来只要等待保存模型，通过xftp双击传回来需要的数据就行了。
完结撒花！