最近在跑yolov8的时候，由于自己的电脑配置低，同时想更好利用学术资源，所以想选择网上比较火的性价比比较高的服务器来跑代码。我先选择的是免费的Colab服务器，之后又转使用AutoDL。接下来我将详细说明这两种的使用方法。

1.对比

Google Colab：免费；很多必要的API已经下载好了，无需再下载。但是每天有使用限制（据传是一天10小时免费使用，但是我用的时候开始两天时间蛮长的，但是之后几天都只能跑个3小时左右就达到限额了，程序没跑完还没有结果，很崩溃）。于是选择AutoDL。

AutoDL：不免费；GPU可选样数多；可预装多种镜像；镜像和数据可克隆（就是你租了这台服务器，用完之后关机，你的数据还会保留在这个服务器中，下次再使用服务器如果这台租满了，可以选择克隆数据到另一个新租的服务器即可，只需重新连接SSH）

2.Google Colab

（1）前提条件

必须有一个谷歌账号（谷歌邮箱）；需要翻墙。

（2）过程

打开Google硬盘，登陆自己的谷歌账号：

点击新建--->上传文件夹，将自己的代码和数据集打包上传。我这里将自己的文件压缩成rar格式上传。

打开Colab：https://colab.research.google.com/?utm_source=scs-index 点击取消（图中我的是已经建过的ipynb文件，新打开的只有换用使用那个文件）

随后点击文件--->新建笔记本。点击箭头所示可以更改名字。

按下图所示，将默认CPU更改为GPU。

此时已经显示T4，说明已经选好GPU了。然后装载Google云盘，按图中箭头所示。

如果此时没有显示drive文件，可点击刷新

找到刚才上传的压缩包的上一级目录。Colab中与Linux命令一致，但是需要在每次执行代码前加感叹号"!"。

!unrar x /content/drive/MyDrive/yolo+attention/ultralytics-main.rar /content/drive/MyDrive/yolo+attention

将目录转移到解压后的文件所在的目录：!pwd命令查看当前所在目录

找到requirements.txt文件，双击打开，运行图中框出的命令，安装依赖包。

!pip install -r requirements.txt

按照我上一篇文章介绍的运行train_final.py文件（具体内容见：MFBZS：YOLOv8实现缺陷目标检测）

运行成功后如下图：说明GPU运行

3.AutoDL

（1）

我这里使用的pycharm进行远程连接，详细链接教程见：AutoDL帮助文档

选择好自己的镜像租用，每个镜像都是带有miniconda的。我选择的镜像：

开机成功后，点击jupyterlab

将压缩包上传到sutodl-dmp文件夹下：

然后在命令行中依次输入以下指令安装zip和unzip。

apt-get update && apt-get install -y zip  apt-get update && apt-get install -y unzip

解压缩文件夹

unzip  autodl-tmp/ultralytics-yolov8.zip -d autodl-tmp

等待解压完成........

（2）

激活虚拟环境base

source activate base

进入到解压后的文件夹，找到requirements.txt文件

在终端输入：

pip install -r requirements.txt

等待安装完成.....

（3）

更改绝对路径，对于本项目有以下几个需要更改：

（4）

更改完成后，在pycharm中相应文件下运行train_final.py即可。

或者也可直接在autodl终端中运行：

（5）

导出文件：比如我想导出最近的一次执行结果的文件

zip -r autodl-tmp/ultralytics-main/runs/detect/train26.zip autodl-tmp/ultralytics-main/runs/detect/train26

压缩后即可右键下载。

4.等待运行

这个过程大约会持续一两个小时甚至更长~

喜欢的话，点赞+收藏+关注一下吧~~~