在服务器上同时训练多个深度学习模型

在服务器上跑深度学习或其他程序时，如果程序没有提供命令行参数设置，我们常常需要多次修改代码后重新部署。本文将介绍如何通过命令行工具和编辑器查看代码特定行的方法，并展示如何同时训练多个基于不同ResNet层数的框架。

一、查看代码特定行的方法

当我们需要查看 train.py 文件的第 191 行，可以使用以下几种方法：

方法一：使用命令行工具

1. sed 命令

   sed -n '191p' train.py
   

2. awk 命令

   awk 'NR==191' train.py
   

3. head 和 tail 命令

   head -n 191 train.py | tail -n 1
   

方法二：使用文本编辑器

1. nano 编辑器
   打开 train.py 文件并跳转到第 191 行：

   nano +191 train.py
   

2. vim 编辑器
   打开 train.py 文件并跳转到第 191 行：

   vim +191 train.py
   

3. less 命令
   使用 less 查看文件内容并跳转到第 191 行：

   less train.py
   

   在 less 中输入 191g，然后按 Enter 键跳转到第 191 行。
   

方法三：使用 IDE

1. Visual Studio Code
   在终端中打开 train.py 文件：

   code -g train.py:191
   

2. PyCharm
   在 PyCharm 中打开 train.py 文件并跳转到第 191 行：

   1. 打开 train.py 文件。
   2. 按 Ctrl + L（Windows/Linux）或 Cmd + L（Mac），然后输入 191 跳转到第 191 行。

二、将训练日志保存到不同文件

为了在服务器上同时训练多个基于不同ResNet层数的框架，我们可以使用 nohup 命令将训练任务放在后台运行，并将输出重定向到不同的日志文件中。

示例命令

nohup python train.py xxxx参数 > resnet18_nohup.out &

通过上述命令，我们可以同时运行多个训练任务，并将每个任务的输出保存到不同的日志文件中。

三、实时查看日志文件

方法一：tail -f

这是最常用的方法，可以实时查看文件的更新内容：

tail -f resnet18_nohup.out

方法二：less +F

使用 less 以更灵活的方式查看文件内容并保持更新：

less +F resnet18_nohup.out

在 less 中，你可以按 Ctrl+C 停止实时查看，进入正常的 less 查看模式。按 Shift+F 可以再次进入实时查看模式。

按下ctrl+C后，如下图所示

通过:q退出该模式

四、终止后台运行的程序

①查看后台作业

  jobs -l

这将列出所有后台作业及其对应的 PID，它们的排列顺序通常是根据启动的顺序来显示的。每行包含以下信息：

1. 作业编号（方括号内的数字）：这是由 shell 分配给每个后台作业的唯一编号。
2. 进程ID (PID)：这是由操作系统分配给每个运行进程的唯一标识符。
3. 作业状态：表示作业当前的状态，例如 “Running”。
4. 命令：启动作业的完整命令。

解释每一列的内容：

• [1] 是作业编号，3136874 是这个作业的进程 ID，Running 表示这个作业正在运行，后面是启动这个作业的完整命令及其输出重定向。
• [2] 是第二个作业，以此类推。

作业编号的符号含义：

• + 和 - 是作业控制符，用来标记前台作业控制的优先级：
  • + 表示当前的作业。
  • - 表示上一个作业。
  • 没有符号表示较早的作业。

② 终止后台作业
可以通过 kill 命令终止指定的作业。使用作业编号或者 PID 都可以。

• 通过作业编号终止（使用 % 前缀）：

  kill %1  # 终止作业编号为1的作业
  kill %2  # 终止作业编号为2的作业
  kill %3  # 终止作业编号为3的作业
  kill %4  # 终止作业编号为4的作业
  

• 通过 PID 终止：

  kill 3136874  # 终止进程ID为3136874的作业
  kill 3138054  # 终止进程ID为3138054的作业
  kill 3138988  # 终止进程ID为3138988的作业
  kill 3149585  # 终止进程ID为3149585的作业
  

如有需要，可以使用 kill -9 强制终止：

kill -9 %1  # 强制终止作业编号为1的作业
kill -9 3136874  # 强制终止进程ID为3136874的作业