损失函数、优化器、其他参数设置可根据自己的需求选择，我这里就不再赘述，也可参考该篇博文。十七、完整神经网络模型训练步骤
网络优化搭建完成、数据集也采集完成之后开始训练，本地电脑拉跨，故通过Google提供的免费服务器进行训练
一、Google云盘
①上传模型于云盘中
登录谷歌云盘
将模型压缩，上传至谷歌云盘，这里压缩成zip格数
空白处右击，上传文件，选择模型压缩包，可能会有点慢，耐心耐心~~~
②新建一个文件夹，防止训练时网络不稳定导致GG，用于存放模型以及损失函数等信息
创建一个unet文件夹，下面再创建一个logs文件夹
二、colab
colab是Google提供的免费服务器，GPU有Tesla T4等显卡
登录colab
这里需要滤清关系，Google云盘相当于百度网盘，只不过是Google家的，colab是Google提供的免费服务器，因为这个服务器只要一关闭，或者断网，再次连接的时候里面的东西就会全部释放，没法保存，故需要结合Google云盘来使用。即先将模型上Google云盘，然后在colab中关联云盘，再将云盘中的模型给copy到colab中，解压，然后在colab中训练模型，每个epoch需要保存一下模型(至于咋样保存看自己情况而定)，把模型保存结果与云盘中的一个文件夹(这里示范用的是logs文件夹)进行软连接，之后就不怕colab因网络波动而导致释放资源了。训练好的模型就可以通过Google云盘中的文件夹(logs)进行下载了。
①关联Google云盘
选择GPU
修改---笔记本设置---GPU
!nvidia-smi 查看GPU版本
关联Google云盘
会出现代码如下：
这里的content可以理解为colab服务器给你分配到根目录，drive也可以自定义，也是你的云盘存放的位置
from google.colab import drive
drive.mount('/content/drive')
点击该代码段，Shift+Enter执行
之后选择登录你的Google云盘账号即可
刷新一下，就可以看到Google云盘已经关联进来了
②将Google云盘中的模型copy到colab中
!pwd 查看下当前所在路径
cp表示copy，./表示当前路径，即/content
把/content/drive/MyDrive/unet-pytorch.zip copy到./
!cp /content/drive/MyDrive/unet-pytorch.zip ./
③解压模型
因为是zip压缩包格式，故使用unzip命令解压，不同格式解压命令可自行百度
!pwd可知目前所处路径为/content
将模型压缩包解压到当前目录下
!unzip ./unet-pytorch.zip -d ./
④删除logs文件夹
进入模型中
%cd /content/unet-pytorch/
查看当前路径
!pwd
删除模型中得logs文件夹
!rm -rf logs
⑤关联Google云盘中的logs文件夹
这个意思是，将Google云盘的logs文件夹/content/drvie/MyDrive/logs，和当前路径下(/content/unet-pytorch)logs文件夹关联，若不存在则创建
!ln -s /content/drive/MyDrive/unet/logs logs
第一个参数路径是存在的，第二个参数路径是虚拟的，也就是第二个是第一个的映射
⑥运行训练文件
!python train.py
三、模型文件
每次训练关联的模型都会存放到Google云盘中，到时候可以右击下载即可
四、总结
在云盘中创建unet文件夹，其下面再创建logs文件夹
模型存放位置
from google.colab import drive
drive.mount('/content/drive')
!cp /content/drive/MyDrive/unet-pytorch.zip ./
!unzip ./unet-pytorch.zip -d ./
%cd /content/unet-pytorch/
!rm -rf logs
!ln -s /content/drive/MyDrive/unet/logs /content/unet-pytorch/logs
!python train.py