AutoDL租服务器训练yolo8x模型

本文记录了作者在 AutoDL 平台使用 4090 显卡训练 YOLOv8 模型的踩坑与实操流程，从实例克隆、文件目录切换、数据集配置，到模型下载、训练启动等关键步骤都做了详细说明，同时分享了镜像选择、训练时长预估等实用经验，为同样入门的小伙伴提供参考，也欢迎大家指正文中不足。

遇到空闲GPU不足的情况，可选择使用克隆实例，每天有10次机会，如果已经将数据转到服务器上的话，在克隆的时候请选中数据盘，点击继续后，选择所需要的显卡。

刚进入jupyter lab的WebUI 时，文件列表为空，是因为默认打开的是容器根目录/，但你的文件、项目代码、数据集通常存放在/root/autodl-tmp目录下，打开终端，输入命令：

cd /root/autodl-tmp

左侧目录就会看到文件。训练模型之前，请看.md文档。本人训练的是yolo8模型，则使用的是YOLO8使用必看.md。本人有自己的训练集（注意，训练集得是已经标注好的），已经上传到autodl-tmp目录下，然后将ultralytics-8.3.27/train_v8.py中的model.train()的第一个参数data换成自己数据集的.yaml文件路径。

由于镜像中ultralytics-8.3.27/ultralytics/cfg/models/v8中，并没有直接写出yolo8x.yaml，所以本人采用的方法是自己下载yolov8x.pt，方法是：ultralytics-8.3.27/train_v8.py中main函数中第二行的model = YOLO(yaml)直接改为model = YOLO("yolov8x")。

然后按照.md文件的步骤，第一步使用cd命令切换目录，第二步使用python命令运行程序。终端就会开始下载yolov8x模型。如下图：

模型下载好之后，就会自动开始训练模型。

本人租的是4090显卡，使用的社区镜像ultralytics/ultralytics/yolov8:v8.3，此镜像也支持训练yolov11的模型。

每轮Epoch大约4分钟，设定了300轮，跑满300轮大约20h。

这是我第一次写博客，用来记录自己的学习与踩坑过程，希望能给同样在学习的小伙伴们一点参考和帮助。文中难免会有疏漏或理解不到位的地方，欢迎各位大佬批评指正，一起交流进步～