相关链接：
datawhale学习计划以及baseline的代码下载地址
训练以及镜像构建全是在 windows10 专业版 上完成的。主要为了先完成流程，并不关心代码本身。参考着赵大佬的博客，完成了本次的比赛流程体验。于是结合着博客的主要核心内容，以及我自己遇到的坑和解决方案，完成了本篇文章。
一.完成baseline的训练
本该运行train.sh
- 当前文件目录打开git bash
- 输入
source activate virtual_name激活你的虚拟环境 - 输入
python train.sh去运行
但是由于存在一些坑点，我们不这么做，正确的步骤是：
1.首先运行convertTrainLabel.py，当前目录生成了convertor文件夹，这是解析json文件的过程。
2.接下来运行process_data_yolo.py，当前目录生成process_data文件夹，这是数据预处理过程。
注意要生成train和val数据集，因此将process_data_yolo.py中的val替换成train再运行一次。
3.train.py 文件121行附近作如下修改
4.直接运行train.py,它提示你在weights中加入best.pt,我们可以下载预训练权重
在yolo.py文件中可以看到，默认使用的是yolov5s，所以下载yolov5s的预训练权重就行了，该名称best.pt放入到weight文件夹中
5.再次运行train.py，有可能会出现显存不够的情况
train.py 364行附近
修改默认批次，我直接修改成了1
6.运行train.py,终于通了
15分钟一轮，训练了8轮，感觉差不多了，就暂停了,毕竟先要完成流程，提高分数是后续的事情了。
二.镜像打包并上传到镜像仓库
2.1首先在阿里云容器服务平台创建本次比赛的镜像仓库
2.2准备所需的文件
由于pytorch1.4为老版本，不能读取pytorch1.7版本的best.pt
修改
ckpt = torch.load('best.pt', map_location=device) # 读取best.pt权重 torch.save(ckpt, 'new.pt', _use_new_zipfile_serialization=False) # 使用旧的方式保存
创建一个文件夹（名字自己起），把除了数据集的所有文件全部copy到该目录下。
requirements不要动
run.sh 原来里面改成（因为比赛测试文件就是存这里的）
python detect.py --source ./tcdata/guangdong1_round2_testB_20191024
创建Dockerfile（无后缀），文件内容如下
# Base Images ## 从天池基础镜像构建 FROM registry.cn-shanghai.aliyuncs.com/tcc-public/pytorch:1.4-cuda10.1-py3 ## 把当前文件夹里的文件构建到镜像的根目录下 ADD . / ## 指定默认工作目录为根目录（需要把 run.sh 和生成的结果文件都放在该文件夹下，提交后才能运 行） WORKDIR / ## 镜像启动后统一执行 sh run.sh CMD ["sh", "run.sh"]
2.3创建镜像
在该目录用powershell打开
- 登入阿里云上自己创建的镜像仓库
- 进行docker build -t …
- 查看镜像id：docker images
- 进入容器：docker run -it 你自己的镜像 /bin/bash
2.4往容器中安装必要的包
pip用镜像源 安装这三个包
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib pip install -i https://pypi.tuna.tsinghua.edu.cn/simple scipy
进入python模式
python
>>>import cv2
如果出现报错(如果没有直接进入2.5保存镜像环节)
返回命令行模式
>>>exit()
进行下面步骤
docker 容器内没有vi/vim，只能通过这种方式修改成阿里源
cat > /etc/apt/sources.list << EOF deb http://mirrors.aliyun.com/ubuntu/ trusty main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ trusty-security main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ trusty-updates main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ trusty-proposed main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ trusty-backports main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ trusty main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ trusty-security main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ trusty-updates main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ trusty-proposed main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ trusty-backports main restricted universe multiverse EOF
接下来
apt update apt install libgl1-mesa-glx apt-get install -y libglib2.0-0
2.5保存镜像
1.退出但不关闭容器 ctrl+p+q
2.docker ps 查看 容器的id
注意是 容器的id 不是镜像的 id
3.将容器保存为镜像
docker commit 你的容器id registry.cn……….(自己的仓库地址)……….:1.0
4.查看镜像
docker images
5.测试镜像
docker run 你的镜像id sh run.sh
因为tcdata是空的，所以报错也很正常
6.推送镜像
docker push registry.cn……….(自己的仓库地址)……….:1.0
这样子的结果就是推送成功了
在比赛中提交结果，约等待半小时左右，结果就出来了。
![FastGPT一站式解决方案[1-部署篇]：轻松实现RAG-智能问答系统（含sealos云端部署、docker部署、OneAPI&Xinference模型接入）](https://ucc.alicdn.com/fnj5anauszhew/developer-article1607744/20240913/b1671ce8da3a4123866a6328d7affdfd.png?x-oss-process=image/resize,h_160,m_lfit)