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。
-
- 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！ 💧✨