---

前言

想跑一些深度学习的项目，但是电脑没有显卡，遂看向云服务器Kaggle，这里可以每周免费使用30h的GPU算力，效果确实不错。
本人之前尝试过google colab，但是

• 时不时就要你人机验证
• 连接容易断开
• 文件操作有些麻烦
• 还要挂载google drive云盘
• 还要魔法

用过Kaggle之后，不得不说是真香，它是不需要魔法的。
但是刚上手Kaggle的DPers可能还不是很熟悉一些基本命令操作，那么这篇文章就总结了一些常见操作，常见问题，希望对你有所帮助。

---

一、Kaggle克隆仓库

1、克隆项目

一般在kaggle的notebook里面输入控制台类的代码，前面要加上！当然也有特例，我们后面再说

! git init
! git clone https://github.com/Hzzone/pytorch-openpose.git

2、查看目录

克隆下来的项目，放在了output下，目录为kaggle/working

注意kaggle/working也是我们默认的工作目录，你可以输入下述代码来验证

import os
os.getcwd()

二、安装依赖

! pip install -r /kaggle/working/pytorch-openpose/requirements.txt

这里要输入requirements.txt的完整路径，可以在右侧直接复制

三、文件的上传、复制、转移操作

github上这个姿态估计的项目需要权重文件，但是仓库里没有直接放进去，通过网盘给到了.pth权重文件。那么现在我们应该如何将电脑中的.pth文件上传到工作目录里呢

1.上传.pth文件到input目录

比较简单，点击upload->New Dataset->选择本地文件直接上传，
一个项目可以包含多个datasets，我这里新建了2个，并分别上传了一个文件，下面是目录结构：

2、将权重文件从input目录转移到工作目录

将权重文件从input目录转移到output下的kaggle/working工作目录

# import module we'll need to import our custom module
from shutil import copyfile
 
copyfile(src = "/kaggle/input/hand-pose-model-pth/hand_pose_model.pth", dst = "/kaggle/working/pytorch-openpose/model/hand_pose_model.pth")
copyfile(src = "/kaggle/input/hand-pose-model-pth/body_pose_model.pth", dst = "/kaggle/working/pytorch-openpose/model/body_pose_model.pth")

注意，目标目录下的.pth文件不用提前建立，它会自动生成

---

三、修改工作目录里的文件内容

按理说，我现在直接可以输入! python /kaggle/working/pytorch-openpose/demo_camera.py
进行demo测试了，但是会报错找不到权重文件，因为人家项目里写的是相对路径，但是说实话，相对路径在kaggle的notebook执行的时候，会识别不出来

所以最保险的做法：
全部换成绝对路径
这时要修改demo_camera.py的文件内容，如何修改呢？

1、修改demo_camera.py内容

现在的工作路径是

我们cd 到demo_camera.py文件所在文件夹下

在本地修改demo_camera.py，修改为绝对路径

将这个文件里所有内容复制到%%writefile demo_camera.py下面，什么意思？就是相当于把demo_camera.py的内容进行了覆盖。

%%writefile demo_camera.py
import cv2
import matplotlib.pyplot as plt
import copy
import numpy as np
import torch

from src import model
from src import util
from src.body import Body
from src.hand import Hand

body_estimation = Body('/kaggle/working/pytorch-openpose/model/body_pose_model.pth')
hand_estimation = Hand('/kaggle/working/pytorch-openpose/model/hand_pose_model.pth')

print(f"Torch device: {torch.cuda.get_device_name()}")

cap = cv2.VideoCapture(0)
cap.set(3, 640)
cap.set(4, 480)
while True:
    ret, oriImg = cap.read()
    candidate, subset = body_estimation(oriImg)
    canvas = copy.deepcopy(oriImg)
    canvas = util.draw_bodypose(canvas, candidate, subset)

    # detect hand
    hands_list = util.handDetect(candidate, subset, oriImg)

    all_hand_peaks = []
    for x, y, w, is_left in hands_list:
        peaks = hand_estimation(oriImg[y:y+w, x:x+w, :])
        peaks[:, 0] = np.where(peaks[:, 0]==0, peaks[:, 0], peaks[:, 0]+x)
        peaks[:, 1] = np.where(peaks[:, 1]==0, peaks[:, 1], peaks[:, 1]+y)
        all_hand_peaks.append(peaks)

    canvas = util.draw_handpose(canvas, all_hand_peaks)

    cv2.imshow('demo', canvas)#一个窗口用以显示原视频
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

四、运行！

输入

! python /kaggle/working/pytorch-openpose/demo_camera.py

当然，你可能遇到其他代码上的bug，这就不是kaggle平台的问题啦
这就需要你擦亮你的眼睛认认真真debug啦