前言
虽然能够使用 CUDA 加速了，但代价就是没有 Windows 电脑用了，没法打 FF14 了？？
所以理所当然地，要尝试将项目进行远程部署，使用服务器进行训练，虽然我的服务器也没有 GPU …
我的服务器配置：Ubuntu 20.04 server 64bit 1vCPUs | 2GiB
应该是最丐的服务器配置了。
Ubuntu 下可以使用指令 lsb_release -a 查看系统版本
准备
首先，通过 FTP 把文件都传到服务器上，由于我的服务器只是个小水管的问题，933MB 的项目文件用了近半个小时才完成传输。
发现一个问题：在使用 FTP 进行数据传输时，中间会时不时传输速度归零?
参考 YOLO入门 1 使用预训练模型进行检测 完成环境配置，使用 python train.py 进行模型训练了，但使用 ssh 连接的服务器有个问题：时间一长会自动断开连接，之前做的一切都会全部木大。
所以我们需要想办法让会话窗口始终开启。
这里，我所使用的是 screen 工具：
apt install screen # 安装 screenscreen -S yolo # 开启名为 yolo 的 sessionpython train.py ... # 开始训练完成后先不要放开不管，把当前的 ssh 连接断开，并重新连接。
输入如下指令，查看所有 screen 的 session ：
screen -ls
输入如下指令，回到刚才创建的 session ，如果 yolo 训练在正常进行就没有问题了：
screen -r 350924 # screen -r yolo如果想要关闭这个 session 可以使用如下指令：
screen -r 350924 # 回到创建的 sessionexit # 退出并关闭 session训练
输入如下指令，使用 yolo 开始训练。
python train.py ...
这里是训练时的资源占用，从 2022/01/09 22:00 至 2022/01/13 21:00，CPU 占用 100%， 磁盘方面只在加载训练资源时爆满了，其他时间均正常。
错误
pip 安装环境时出现 0:00:01Killed
当使用
pip3 install -r requirements.txt进行环境配置时，在安装 torch 时，会出现 0:00:01Killed 的错误，安装进程被杀掉了。
Collecting torch>=1.7.0 Downloading torch-1.10.1-cp38-cp38-manylinux1_x86_64.whl (881.9 MB) |████████████████████████████████| 881.9 MB 379 kB/s eta 0:00:01Killed [^1]问题出现的原因是 Linux 的内存分配策略了，在内核检测到系统内存不足后，会触发 oom-killer ，挑选最占用内存的进程杀掉。
根据这一特性，找到了如下三个方法：
方法1：修改内存分配策略1
临时生效:
sysctl vm.overcommit_memory=1- vm.overcommit_memory=1 : 表示内核允许分配所有的物理内存，而不管当前的内存状态如何。
永久生效:
vim /etc/sysctl.confvm.overcommit_memory=1服务器只有 2GB 内存，可能是真的比较小，内存分配光了也没用😅
方法2：pip 独立安装 torch
使用 pip 安装 torch 的指令进行在线安装：
pip3 install torch==1.10.1+cpu torchvision==0.11.2+cpu torchaudio==0.10.1+cpu -f https://download.pytorch.org/whl/cpu/torch_stable.html方法3：pip 离线安装 torch
另一种 pip 离线安装，避免下载占用的内存。
从 pypi.org 获取 torch 的 .whl 安装文件，注意系统和 python 版本：
pip install xxx.whlImportError: libGL.so.1
ImportError: libGL.so.1: cannot open shared object file: No such file or directory
碰到这个问题的时候，我是一脸懵逼的，因为之前配置从来没出过这个问题，还在我们有先辈的经验2：
sudo apt updatesudo apt install libgl1-mesa-glx训练时出现 killed
这个问题和 pip 安装环境时出现 0:00:01Killed 很像，都是出现了内存不足的问题，之前在 YOLO入门 3 CUDA加速（GPU环境配置） 中出现的内存不足问题应该是一样的，修改模型参数 和 修改训练参数 两个方法可以到上述文章里找到，这里主要提一下 Ubuntu 下的虚拟内存分配34。
输入如下指令，分别查看剩余内存资源和磁盘空间分配：
free -mdf -m
服务器的总运行内存是 1987MB , 空余运行内存为 1051MB ；磁盘方面则是剩余 14782MB ，大约是 14GB 多一点。
按需分配一定磁盘给虚拟内存，这里分配 10GB：
mkdir swapcd swapsudo dd if=/dev/zero of=swapfile bs=1024 count=10000000
分配是需要加载一定时间的，需要耐心等候
分配完成后，输入如下指令，对分配的内存转换并激活：
sudo mkswap swapfile # 把生成的文件转换成 Swapsudo swapon swapfile # 激活激活后，重新查看内存和磁盘：
输入如下指令，卸载分配的内存：
sudo swapoff swapfile # 卸载还有一个问题：此时分配的虚拟内存会在开机后消失，如果需要永久保持，在 /etc/fstab 文件尾添加一下信息:
swapfilepath swap swap defaults 0 0例如：在 /root/ 进行的内存分配，添加如下内容：
/root/swap/swapfile swap swap defaults 0 0如此，保存并退出即可。
使用快捷键 Crtl+A 后按 D 能退出当前会话