# kaggle使用指南

**Repository Path**: zy_12341234/kaggle-users-guide

## Basic Information

- **Project Name**: kaggle使用指南
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-07-06
- **Last Updated**: 2024-07-06

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 打比赛

## 1、进入要打的比赛

![image-20240608030545221](images/image-20240608030545221.png)

## 2、创建一个Notebook

这里有两种办法

### 1、新建一个空的Notebook

第一种是自己新建一个空的Notebook，点击New Notebook即可

![image-20240608030644675](images/image-20240608030644675.png)

创建后是这样的

![image-20240608030758902](images/image-20240608030758902.png)

### 2、在别人代码的基础上编辑

第二种办法是挑一个前人的代码来接着编辑（一般可以选择Most Votes最多投票，Most Comments最多评论，Public Score公榜排名）

![image-20240608031119395](images/image-20240608031119395.png)

进入代码页面后可以看到这份提交的一系列信息：

#### Notebook

**Notebook**：别人的代码

![image-20240608032125715](images/image-20240608032125715.png)

#### Input

Input：输入，肯定有Input Data也就是数据集文件

![image-20240608031642040](images/image-20240608031642040.png)

如果有使用自己上传的预训练权重，数据集的话还会有Models，Dataset

![image-20240608031710020](images/image-20240608031710020.png)

#### Output

Output：输出，一般会有预测结果，还有训练后的模型权重

![image-20240608031820564](images/image-20240608031820564.png)

#### Logs

Logs：提交时候的日志，里面会有提交时的输出，对应每个时间

![image-20240608032022273](images/image-20240608032022273.png)

#### Comments

Comments：评论

![image-20240608032052483](images/image-20240608032052483.png)

回到正题，只需要点击右上角的Edit My Copy就可以把别人的代码拿来自己用

<img src="images/image-20240608032240960.png" alt="image-20240608032240960"  />

如图就可以了

![image-20240608032523530](images/image-20240608032523530.png)



## 3、基础操作

一些jupyter notebook的操作就不多说了，主要说说别的操作

### 1、使用gpu

右侧栏找到Session options，设置如图（每周30个小时P100，嘎嘎良心）

注意：控制使用GPU的是ACCELERATOR选项。INTERNET选项一定要勾选，否则用不了网络（不能pip install等）

![image-20240608034213612](images/image-20240608034213612.png)

测试gpu是否启动成功可以用以下两种方法

![image-20240608034406327](images/image-20240608034406327.png)

### 2、上传

右侧栏找到Input

![image-20240608034527024](images/image-20240608034527024.png)

#### Add Input

Add Input适用于添加一些kaggle公开的模型，数据集，别人的notebook。

或者说添加一些自己之前添加过，有备份的东西（备份容量将近300G，真他妈良心）

![image-20240608034900354](images/image-20240608034900354.png)

#### Upload

Upload为上传模型或数据集。

##### 上传数据集

上传数据集很简单，直接上传zip压缩文件就行，记得起一个名字。等上传完毕点create就行了

![image-20240608035507192](images/image-20240608035507192.png)

上传后无需解压，直接就能用

![image-20240608041649699](images/image-20240608041649699.png)



###### 高级操作

【使用kaggle平台GPU运行自己本地项目】https://www.bilibili.com/video/BV1UQ4y1u7dU?vd_source=a77be1576ac9581dd233524106393c43中提到了：如果数据集目录太深会出现什么问题（虽然我还没遇到）

解决办法是通过`cp -r 文件原本路径 文件目标路径`将文件拷贝到层级更浅的目录，比如：

![image-20240608042434851](images/image-20240608042434851.png)

##### 上传模型

上传模型稍微复杂一点点

![image-20240608035846532](images/image-20240608035846532.png)

###### New Model

如果选择左边New Model就会上传一个新的模型，然后要选择深度学习框架，选择后下面还会提示模型的后缀，最后再拖动上传就可以了。上传完后直接Back to notebook就行。

![image-20240608040248338](images/image-20240608040248338.png)

###### New Variation

如果选择右边New Variation，需要选择一个之前上传过的模型，然后更新他

![image-20240608040600973](images/image-20240608040600973.png)



### 3、提交

当你调试好代码可以提交了的时候，从右侧栏找到Submit to competition，点击Submit

![image-20240608042921998](images/image-20240608042921998.png)

然后取一个提交名称（似乎没啥意义），点击Submit

![image-20240608043004838](images/image-20240608043004838.png)

这时左侧就会出现正在提交

<img src="images/image-20240608043031530.png" alt="image-20240608043031530"  />

点击三个点，Open Logs in Viewer

![image-20240608043207838](images/image-20240608043207838.png)

就可以实时看到提交状况，能看到每一个时刻的输出

![image-20240608043310534](images/image-20240608043310534.png)

如果不出意外的话，输出完下面几行NbConvertApp就会提交成功

![image-20240608043509624](images/image-20240608043509624.png)

如图提交成功

![image-20240608043417192](images/image-20240608043417192.png)

### 4、other操作

**notebook改名，左上角**

![image-20240608033257261](images/image-20240608033257261.png)

**右侧栏Output这里其实是notebook的工作目录，如果代码中要用到相对路径可以参考这个**

![image-20240608043638260](images/image-20240608043638260.png)

**如果代码输出太多，看的费劲，可以右键Clear Outputs或Clear All Outputs**

![image-20240608043851678](images/image-20240608043851678.png)



# 白嫖GPU

### 1、将自己的项目压缩为zip格式

注意，自己的项目最好现在自己电脑上跑通，并且提供尽量多的参数接口（因为上传到kaggle后，项目的权限就变为只读）

### 2、上传项目

在Input-Upload中的dataset中上传项目（一定要dataset，不能用model，因为model对后缀有要求，而dataset只要求上传zip就行）

### 3、配置环境

终端内`pip install -r requirements.txt`，注意requietments文件的路径

### 4、进入项目路径

这一点非常重要，否则项目中的相对路径都会报错

### 5、运行py文件

通过`!python 文件名 参数`就可以运行训练或预测脚本，比如：

```
训练：
!python /kaggle/input/yolov5-messi/yolo_dataset/train.py --batch-size 16 --project /kaggle/working/runs/train
预测：
!python /kaggle/input/yolov5-messi/yolo_dataset/detect.py  --weight /kaggle/working/exp/weights/best.pt --project /kaggle/working/runs/detect/
```

### 6、注意

训练或者预测的时候需要把项目的各种输出（比如权重，数据，tensorboard，预测视频等）的保存路径设为Output中的路径。因为Input中的文件是只读的，没有权限进行保存或更改