首先要拥有Linux服务器一台（云服务器或者本地服务器均可）
Linux系统上需要安装好cuda与cudnn
查看cuda或者显卡信息：
nvidia-smi
安装好Anaconda
下一步，配置conda环境
conda create -n 环境名 python=3.x
下载依赖包
conda install xxx
注意这一步，类似于torch，paddlepaddle等依赖包，均需要下载gpu版本，具体可以到官网去复制下载命令，防止下载错误，有一种方式比较稳妥根据cuda版本，到Pytorch官网Start Locally | PyTorch，寻找对应cuda版本的Pytorch，可以直接从官网下载torch，torchaudio，torchvision三件套，然后把下载下来的whl文件通过后面的wget传给服务器，这样可以保证不会因为源的问题出现下载问题~
在linux上可以直接使用以下命令安装whl依赖包，不会出现下载问题~
pip install torch-1.13.0+cu116-cp37-cp37m-linux_x86_64.whl
pip install torchaudio-0.13.0+cu116-cp37-cp37m-linux_x86_64.whl
pip install torchvision-0.14.0+cu116-cp37-cp37m-linux_x86_64.whl
将训练代码以及需要安装的依赖包打包发送到服务器端
我采用的是7-zip压缩软件，将训练代码先压缩为.tar，再压缩成.gz的格式，放置到static下
其中app.py如下
from flask import Flask
app = Flask(__name__)
@app.route('/')
def tansfer():
return "Transfer Files"
def main():
"""Run the app."""
app.run(host="0.0.0.0", port=8000, debug=True)
if __name__ == '__main__':
main()
传输文件，我采用的方式是从在运行的Flask服务上，下载文件：
wget ip/static/File.tar.gz
wget可以配合Flask服务使用，也可以直接从网页上下载文件
在linux下解压.tar.gz格式的文件,.tar.gz格式文件可以由7-zip进行tar压缩后再进行gzip压缩完成：
tar -zxvf File.tar.gz
ls即可查看到解压后的文件夹了，cd进入该文件夹，选择指定的训练文件train.py进行训练即可：
python train.py
后台挂起运行程序，不会因为关闭终端而停止进程
nohup python train.py &
查看输出日志的最后100行
tail -n 100 nohup.out
提前终止后台进程
查看该进程的pid
ps -aux
根据pid杀死该进程
kill -9 pid
批量删除保存的多余pth模型文件
ls | grep -P "u2net_bce_itr_[0-9]+_train_[0-1]?\.?[0-9]+_tar_[0-1]?\.?[0-9]+\.?pth" | xargs -d"\n" rm
ls获取所有文件名，通过管道符 | 传给grep进行正则化过滤，grep -P "正则表达式"，传给xargs进行二次过滤换行符，最后rm删除
"u2net_bce_itr_[0-9]+_train_[0-1]?\.?[0-9]+_tar_[0-1]?\.?[0-9]+\.?pth"解析，u2net_bce_itr_任意长度的数字_train_0或1.任意长度的数字_tar_0或1.任意长度的数字.pth，综上就是匹配一个如下字符串：
"u2net_bce_itr_674000_train_0.175474_tar_0.012131.pth"，就可以将这样的pth文件批量删除了，有别的格式的文件，只需要修改正则表达式即可。
查看端口
ps -aux
其中pid就是端口号，如果有端口占用可以根据pid杀死指定进程
kill -9 pid
进一步地，后台启动服务并生成日志
nohup python train.py --dataroot ./datasets/watermark2clean --name watermark2clean_cyclegan --model cycle_gan --gpu_ids 1,2,3 --batch_size 16 > train.log 2>&1 &
分解就是：nohup 启动服务命令 > 日志文件名 2>&1 &，注意，后面的2>&1 &是不变的
正序查看日志100行
cat -n 100 train.log
监控显存使用情况，每五秒刷新一次显存占用：
watch -n 5 nvidia-smi
将G_A.pth文件复制到/Transfer/static文件夹中：
cp /CycleGan/G_A.pth /Transfer/static
从服务器下载文件，也是在服务器上启动Flask服务进行本地下载：
curl -o "latest_net_G_A.pth" "http://10.19.9.72:8000/static/latest_net_G_A.pth"
