GPU云运行trojanzoo

更新CUDA

不更新会出现：

RuntimeError: The NVIDIA driver on your system is too old (found version 11060). Please update your GPU driver by downloading and installing a new version from the URL: http://www.nvidia.com/Download/index.aspx Alternatively, go to: [https://pytorch.org](https://pytorch.org/) to install a PyTorch version that has been compiled with your version of the CUDA driver.

所以需要进行更新，使用NVIDIA提供的链接，复制（此处使用UBUNTU20.04）

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda-repo-ubuntu2004-12-4-local_12.4.0-550.54.14-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2004-12-4-local_12.4.0-550.54.14-1_amd64.deb
sudo cp /var/cuda-repo-ubuntu2004-12-4-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda-toolkit-12-4

即可进行更新

本机下载trojanzoo源代码，再通过GPU云提供的网盘上传到服务器

直接本地科学到github上进行下载https://github.com/ain-soph/trojanzoo/archive/refs/heads/main.zip，或者直接git clone https://github.com/ain-soph/trojanzoo.git然后自行压缩上传也行。

我用的GPU云把网盘挂载到/mnt目录，于是

1 2	unzip -e /mnt/trojanzoo-main.zip -d ~ mv trojanzoo-main trojanzoo

这样就完成了前期准备。

安装trojanzoo所需依赖

1	pip install -e trojanzoo

其实pip install trojanzoo也可以。

如果提示python版本低，可以直接使用conda升级

1	conda install python=3.11 -y

进入trojanzoo目录开始继续训练

先cd trojanzoo进入目录

复制数据集

运行一下训练的指令并加上--download的参数，创建数据集储存目录，看到出现下载进度条就可以ctrl+c退出了。这里数据集使用的是cifar10

1	python ./examples/train.py --color --verbose 1 --dataset cifar10 --model resnet18_comp --lr_scheduler --cutout --grad_clip 5.0 --save --download

找找GPU云的教程，若是有存放数据集就可以直接使用，不需要使用云盘或者SCP复制。我使用的GPU云的目录是

1	/public/keras_datasets/cifar-10-batches-py.tar.gz

注意最好使用压缩的，因为使用--download参数而且压缩包已经存在的话pytorch会进行解压，而且这样复制速度较快

1 2	rm data/data/image/cifar10/cifar-10-python.tar.gz #先删除下载一半的 cp /public/keras_datasets/cifar-10-batches-py.tar.gz data/data/image/cifar10/cifar-10-python.tar.gz

进行数据集的训练

然后就可以开始漫长的等待

1	python ./examples/train.py --color --verbose 1 --dataset cifar10 --model resnet18_comp --lr_scheduler --cutout --grad_clip 5.0 --save --download

本文采用署名-非商业性使用-相同方式共享 4.0 国际许可协议，转载请注明出处。