将YOLO训练进程放至后台的方法-nohup
YOLO训练的脚本文件train.py通常来说如下所示：
import warnings
warnings.filterwarnings('ignore')
from ultralytics import YOLO
from ultralytics.models import RTDETRif __name__ == '__main__':# model = YOLO(r'ultralytics/cfg/models/v8/yolov8x-p2.yaml') # model = YOLO(r"ultralytics/cfg/models/11/yolo11m.yaml")model = YOLO("runs/train/exp5/weights/last.pt")model.train(data=r'Dataset_depth.yaml',cache=False,imgsz=1280,epochs=50,single_cls=False, # 是否是单类别检测batch=4,close_mosaic=10,workers=0,device=0,optimizer='SGD',amp=True,project='runs/train',name='exp',cfg = None)但是，由于终端意外关闭/断网掉线/电脑没电导致关机，导致训练意外中断。如何实现安全地在服务器上启动长期训练任务，无需保持终端开启，且所有运行信息完整记录？这里就用到nohup命令：
正常情况下启动训练，是在conda环境中激活YOLO环境（我这里的环境名称就是yolo11），然后运行上面的train.py文件：
/home/hairou/anaconda3/envs/yolo11/bin/python /home/hairou/ctc/ultralytics-main/train.py这里第一部分是python解释器的路径，第二部分是train.py文件的路径。
使用nohup进行训练，只需要将以上命令更改为：
nohup /home/hairou/anaconda3/envs/yolo11/bin/python train.py > train.log 2>&1 &详细解释如下：
| 组件 | 作用 | 必要性 |
|---|---|---|
nohup | 忽略挂断信号（SIGHUP），使进程在终端关闭后仍存活 | 必须 |
/home/hairou/anaconda3/envs/yolo11/bin/python | 指定Python解释器的绝对路径（确保使用conda环境的Python） | 关键 |
train.py | 要执行的Python脚本（相对路径） | 必须 |
> train.log | 将标准输出（stdout）重定向到 train.log 文件 | 可选但推荐 |
2>&1 | 将标准错误（stderr）合并到标准输出（即错误日志也写入 train.log） | 可选但推荐 |
& | 将进程放入后台运行，释放当前终端 | 可选但推荐 |
nohup命令执行流程
-
启动进程：
-
nohup捕获并忽略终端关闭信号。 -
使用指定conda环境中的Python解释器执行
train.py。
-
-
日志记录：
-
所有正常输出（如训练进度）写入
train.log。 -
所有错误信息（如报错）也写入同一日志文件。
-
-
后台运行：
-
命令末尾的
&使进程在后台运行，终端可继续执行其他命令。
-
关键场景
1. 关闭终端后训练仍持续
即使关闭VS Code或SSH连接，程序仍继续运行。
2. 日志集中管理
所有输出和错误信息集中记录到 train.log，便于调试：
tail -f train.log # 实时查看日志更新输出就被全部打印到日志文件中：
3. 避免环境依赖问题
通过绝对路径指定Python解释器，确保：
-
使用正确的conda环境（如
yolo11）。 -
避免因环境变量未继承导致的
ModuleNotFoundError（如找不到torch）。
操作验证
1. 检查进程是否存活
ps aux | grep "python train.py" # 查看进程ID（PID）和状态2. 强制终止进程
kill -9 <PID> # 替换<PID>为实际进程ID3. 日志文件监控
watch tail -n 20 train.log # 每隔2秒刷新显示日志末尾20行