bash方式启动模型训练
export \
PATHPYTHONPATH=/workspace/mmlab/mmdetection/:/workspace/mmlab/mmsegmentation/:/workspace/mmlab/mmdeploy/:${env:PYTHONPATH} \
CUDA_VISIBLE_DEVICES=0 \
DATA_ROOT_1=/mnt/data/…/ \
DATA_ROOT_2=/mnt/data/…/ \
DATA_ROOT_MASK=/…/ \
PATH_COMMON_PACKAGES_SO=…so
nohup \
python main.py \
mtn.py \
--train \
--work_dir work_dirs/0720/ \
> log_0720_stdout.txt \
2> log_0720_stderr.txt \
&
AI解读：
这段指令的目标是设置环境变量并运行一个 Python 脚本来启动训练任务，同时将日志输出分别记录到文件。具体解读如下：
1. 环境变量设置:
export PATH PYTHONPATH:
将 /workspace/mmlab/mmdetection/、/workspace/mmlab/mmsegmentation/ 和 /workspace/mmlab/mmdeploy/ 添加到 PYTHONPATH 环境变量，并保留已有值 ${env:PYTHONPATH}。
CUDA_VISIBLE_DEVICES=0:
限制任务仅使用第 0 号 GPU。
DATA_ROOT_1:
指定数据路径为 /mnt/data/…。
DATA_ROOT_2:
设置另一个低分辨率数据路径。
DATA_ROOT_MASK:
车辆遮罩数据路径设置为 /mnt/data/…/。
PATH_COMMON_PACKAGES_SO:
指定动态库 .so 文件的位置。
2. 运行训练脚本:
nohup:
确保任务在后台运行，即使关闭终端也不会中断。
python main.py mtn.py:
启动 Python 脚本，并加载配置文件 mtn.py。
--train:
指定运行脚本的训练模式。
--work_dir work_dirs/0720/:
定义训练的工作目录为 work_dirs/0720/。
3. 日志记录:
> log_0720_stdout.txt:
将标准输出内容记录到 log_0720_stdout.txt 文件。
2> log_0720_stderr.txt:
将标准错误输出重定向到 log_0720_stderr.txt 文件。
4. 后台运行:
&:
命令将以后台方式运行，释放终端继续其他操作。
这段指令设计得很好，日志分别记录标准输出和错误，路径清晰！🌟 希望你的训练任务顺利完成！ 💧✨