上周自己有使用Kaggle平台运行项目的需求，查阅了一些文章，结合自己的实践经验写了此文章，将使用Kaggle平台运行项目并查看下载日志文件的过程详细记录了下来，一些注意事项也写了，希望能够帮助到大家。

一、上传项目

第一步：创建notebook

第二步：上传项目和数据集

第三步：进行设置，打开GPU

第四步：运行项目

二、查看运行结果、下载日志文件

第一步：更改日志文件保存路径

​第二步：查看日志文件

第三步：下载日志文件

一、上传项目

第一步：创建notebook

1、点击左上角 File

2、点击 New Notebook ，就可以创建一个新的notebook了。

第二步：上传项目和数据集

（建议将项目和数据集分开上传，因为无法在kaggle平台上实时更改代码，上传之后代码是只读形式的，想要修改代码只能在平台以外修改，改完之后再重新上传。为了节省上传时间，可以把数据集放到单独一个文件夹里，这样修改代码之后只上传代码就行啦~）

1、点击右上角 Add data ，出现下图。

2、点击第一行右边的 Upload ，出现下图。将项目文件夹或者zip文件拖动过来，等待上传就好了。 （需要搭梯子才能上传成功） 上传完成之后，需要命名， 要注意名字之前不能使用过。

3、上传完成之后，点击右下角的 Create 。

如果之前上传过这个项目，更改部分代码之后再次上传，会出现一些重复文件，此时上传完成之后右下角不是 Create 了，而是 Skip duplicates ，如图所示，如果不再想要重复的文件，直接点击 Skip duplicates 即可，上传之后整个项目的文件数量会减少。如果不想跳过重复文件， 点击右下角的方块 ，选择第二个“Include duplicates”，这样就把更改代码之后的整个项目上传上去了。

第三步：进行设置，打开GPU

1、打开右侧一栏的Settings，在Accelerator中选择GPU，即将CPU打开。

如果是第一次使用kaggle平台，Settings里面没有这一项，需要先添加。

注意到下面有个GPU Quota，是显示已经使用了GPU的时长。一个账号每个星期有36小时的使用时间，超过这个时间就不能用了。

另外还有限制，只能连续跑9个小时，项目没有跑完也会中断，中断之后就没有输出结果了，前面等于白跑。 如果项目运行时间会超过9小时，建议将epoch缩小，如果一共要跑100轮，可以分成两次，一次跑50轮，第一次跑完之后保存模型，再接着跑50轮，就能解决连续运行项目时长不够的问题了。

第四步：运行项目

路径非常重要！！！

1、编写运行语句。

!python '../input/pointnet1649/wjypointnet2/train_cls.py'

‘’里面是训练文件的路径。在右侧找到文件，可以直接复制文件路径。 一定要注意更改代码里调用的模型路径，否则运行会报错。

下图是我的项目目录。

下图是我训练文件中更改的模型路径。

2、点击右上角Save Version，出现下图。

3、点击右下角Save，程序即可运行。

一定要选择Save&Run All， 将模型保存下来，这样才能继续训练，并且查看日志文件。

二、查看运行结果、下载日志文件

第一步：更改日志文件保存路径

一定要更改代码里的日志文件保存路径，将其放到/kaggle/working/下。

下图是我训练文件代码，代码第二行更改了路径，其他都没有改。

下图是运行完成的项目，从Home里右侧Your Datasets里可以找到所有保存运行的项目。点击项目名称，进入项目主页，点击Code->Your Work，出现项目，点击进入下图页面。可以看到右侧Output中已经存在输出日志了。如果路径不正确，Output中就没有文件。

第二步：查看日志文件

1、在上图页面点击Notebook，往下滑即可看到日志文件。

第三步：下载日志文件

1、在上图页面点击Logs，出现下图。

2、点击右侧Download Logs，即可下载日志文件。

上周自己有使用Kaggle平台运行项目的需求，查阅了一些文章，结合自己的实践经验写了此文章，将使用Kaggle平台运行项目并查看下载日志文件的过程详细记录了下来，一些注意事项也写了，希望能够帮助到大家。一、上传项目第一步：创建notebook 1、点击左上角File 2、点击New Notebook，就可以创建一个新的notebook了。第二步：上传项目和数据集 （建议将项目和数据集分开上传，因为无法在kaggle平台上实时更改... 1.每次上传dataset都要上传rar 文件 ，且上传后无法编辑修改源 文件 ，想修改只能再次完整上传。 2.注意用pip安装其他版本的软件包时（如scipy由1.7.1到1.2.1）.应先安装包再 查看 版本，否则 查看 的版本还是原来未重新安装时的版本。 3.整个 文件 目录为： 如何保存训练好的模型 通过tf.saved_model.save(netwok, path) 其中network代表你的模型的实例化，path自己定义路径，（记住path保存没有 文件 格式，只需要给出路径，例如“./model\my_model” tf.saved torch.save(model.state_dict(),'./model_best.pth') 一般情况下，以上语句保存的模型在 kaggle 的output/ kaggle /working 文件 夹下 建议将效果较好的模型下载保存，否则网页休眠之后之前训练的结果就都么得了 我这里使用的模型是经过预训练的resnet50 model = torchvision.models.segmentation.fcn_resnet50(pretrained= False,progress= True