AutoDL-VScode联动教程

由于GPU的价格高，使用现成的GPU云平台跑深度学习代码成为一项必不可少的技能。常见的GPU云平台五花八门，博主看了不少博客，选择了使用范围比较广的AutoDL平台（关键是学生认证能少交点钱钱，毕竟是穷学生，博主对学术研究并不感冒，是不可能去买个GPU电脑专门跑深度学习的）。该博客主要是介绍怎样使用VSCode和AutoDL平台跑深度学习，帮助跟博主一样的穷学生使用常用的VSCode编辑器跑深度学习

一、租个实例

1.注册，认证

打开AutoDL算力云 | 弹性、好用、省钱。租GPU就上AutoDL网站，注册，如果是学生，记得学生注册，成为炼丹会员。如果不会注册的建议把老年机扔掉好不好，不会认证的看这里，点击控制台，点击主页，选择认证学生升级炼丹会员

在正式炼丹之前，记得充点钱钱在里面，充多少看你的钱包。点击自己名称，选择充值会自动跳转到对应界面

2.配置实例

导航栏中点击算力市场，选择3090专区，一般来说实例被抢的很快的，哪一个地区有，就选择哪一个，3090能满足大部分训练任务了，别犹豫点击租用。如果恰好有多个地区，多个型号的卡可以用，想纠结纠结，可以参考AutoDL帮助文档慢慢选，其余的继续搞下面流程。

点击后会出现以下界面，选择基础镜像（框架名称/框架版本/python版本/cuda版本），点击创建并开机。 ，如果没有你需要的环境，请参考AutoDL帮助文档解决问题。

点击后会跳转到这个界面。默认为开机状态（状态为运行中表示开机状态是要收费的），点击操作关机。

关机后，点击更多，点击选择无卡模式开机（下面主要是配置一些东西，并不运行代码，用不到GPU，无卡模式虽然也是要收费的，但是价格会低很多）

二、VSCode连接主机

1.安装插件

打开VSCode侧边栏中的扩展，在扩展商店中输入Remote-SSH，安装Remote-SSH

2.连接主机

点击左下角，选择连接到主机。

选择添加新的SSH主机

会出现以下窗口

将登录指令复制下来，粘贴到VScode弹出的窗口中

直接enter键回车，不选择配置文件

在弹出的弹窗中点击，连接，会新打开一个VSCode标签页

在新打开的标签页中输入密码

等待连接，连接完成后，左下角为以SSH开头表示连接成功

三、上传数据

1.下载filezilla

点击客户端 - FileZilla中文网链接，根据自己电脑操作系统选择合适的版本，下载FileZilla，安装过程除了位置，其余保持默认即可（C盘充足的小伙伴可以闭眼点下一步）

2.连接主机

打开FileZilla，点击文件，选择站点管理器

弹出以下窗口，其中协议选择SFTP，其他信息根据登录指令进行填写

登录指令格式为ssh -p {端口号} {用户}@{主机名}

如登录指令为ssh -p 18435 root@connect.yza1.seetacloud.com，则端口号填写为18435，主机为connect.yza1.seetacloud.com，用户为root，密码为登录指令下面的密码

如果远端主机目录中含有文件夹，代表连接成功

3.上传文件

在本地目录找到本地数据集所在位置，在远端目录找到root/autodl-tmp文件夹，将本地数据集拖入到远端主机中，等待上传完成。（如果以压缩包上传，请不要略过最后一步）

点击root，右键创建目录，新建一个Code文件夹，用于存放代码

在本地目录中找到本地代码所在文件夹，在远端目录中打开Code文件夹，将解压后的工程项目拖入到远端主机上，等待传输。（如果以压缩包上传，请不要略过最后一步）

4.（可选）压缩包上传

由于有些小伙伴们可能以压缩包的形式上传数据和工程代码，这时就需要在远端主机上进行解压缩，当然如果以文件夹上传的小伙伴们，略过这个步骤继续搞下面步骤

（1）安装arc工具

回到AutoDl网站，打开JupyterLab

在跳转的界面中，点击其他/终端，新建终端

输入以下代码，安装arc解压缩工具

curl -L -o /usr/bin/arc http://autodl-public.ks3-cn-beijing.ksyun.com/tool/arc && chmod +x /usr/bin/arc

（2）解压数据文件

在终端中输入

arc decompress autodl-tmp/{数据文件压缩包名称}.zip

（3）解压项目工程文件

arc decompress Code/{工程代码名称}.zip

四、配置

1.打开工程目录

传输完成后，打开VScode，点击打开文件夹，在弹出来的上边栏中找到上传的Code文件夹下的工程目录，点击确定

有时候可能会重新输入密码

2.创建虚拟环境

随便一个文件，点击右上方运行按钮，会弹出以下终端窗口

在终端窗口中输入以下命令，创建一个my-env的虚拟环境

conda create -n my-env 

更新以下环境变量

conda init bash && source /root/.bashrc

激活环境

conda activate my-env

3.安装依赖项

conda install {包名}

五、跑实验

1.切换模式

在AutoDL平台中，关闭实例，重新开机。以有卡模式开机

2.测试

打开VScode，等待连接，可能需要重新输入密码。激活虚拟环境

conda activate my-env

检查python解释器是否为虚拟环境中的，查看右下角是否有（my-env）

如果是（base），则代表python解释器为全局解释器，此时使用快捷键Ctrl+Shift+P，选择my-env环境中的python解释器