云算力远程服务器（AutoDL）租界

最新推荐文章于 2025-04-10 15:43:01 发布

Mercer_Su

最新推荐文章于 2025-04-10 15:43:01 发布

阅读量5.3k

点赞数 7

文章标签：人工智能深度学习

本文链接：https://blog.csdn.net/m0_72641755/article/details/139247047

版权

一、租用GPU

http://xn--autodl-gh8iv9y6y3h首先进入官网http://xn--autodl-gh8iv9y6y3h，注册登录（如果是学生记得去验证，有优惠）

点击算力市场
选择合适的计量方式，地区和GPU型号，

（1）在选择地区时，一般选择距离自己最近的区，这样可以减少延迟，提高计算效率。
选择GPU
（2）在选择GPU时，需要考虑GPU对应的地区，一般选择距离自己最近的区，整体区别不大。另外，GPU型号的选择也很重要，对应不同的显卡核心，不同的GPU型号的收费价格不同，越好的GPU收费越贵，看个人经济实力选择。

选择镜像（注：30系列的卡需要配备cuda11以上的版本）

这里选择的是基础镜像

也可以选择Github上项目的社区镜像

租用成功后界面

二、配置环境

在这里我们首先选择无卡模式开机，顾名思义无卡模式开机即没有GPU有CPU开机（一般GPU被别人占满的时候，无卡模式还是依然能开机的），同时无卡模式只有0.1元/时，我们可以用它进行数据的传输和环境的配置，有卡模式就需要根据你所选择的配置进行收费，如选择的4090需要1.88元/时。

1、配置环境

（1）点击JupyterLab

（2）点击终端

输入：vim ~/.bashrc
点击i进入编辑模式
开始进行编辑：输入i
移动到文件的最后一行，加上source /root/miniconda3/etc/profile.d/conda.sh
按Esc键，输入:wq，再回车(:q是推出不保存:q!是强制退出)
输入bash后回车，即刷新一下

3）进入环境：conda activate base
创建新环境：conda create -n py38 python=3.8
进入新环境，输入：conda activate py38
（推出py37的代码示例：conda deactivate）
在这里就可以根据项目需要配置相应的深度学习框架，我认为有三种方案，
一是可以使用官网命令直接安装对应的包，如

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

但是我在安装过程中到最后总是被杀掉进程，所以在这里我使用的是第二种方法。
二是可以使用远程连接工具xftp传输文件到云主机上进行离线安装，xftp下载链接：http://xn--autodl-gh8iv9y6y3h
三是可以直接将需要安装的包下载的本地电脑，再上传到租用主机的网盘上
本文使用的是第二种方法，所以以下为第二种方法的具体步骤
1、点击更多，点击无卡模式开机或有卡模式开机后会在ssh登录出现ssh登录指令和密码
ssh登录指令格式如下
ssh -p 123456 root@xxxxxx.xxxx.com

用户名：root
主机HOST：xxxxxx.xxxx.com（即@后的所有内容）
端口号：123456

2、连接xftp

首先新建文件
名称可以随便起
主机为xxxxxx.xxxx.com（即@后的所有内容）
端口号为ssh -p 123456 root@xxxxxx.xxxx.com格式中的123456
密码

连接后左侧为你电脑本机，右侧是云主机，在右侧打开你想要存放文件的文件夹，双击左侧本机文件即可将文件上传到云主机的对应文件夹。

5、验证cuda是否可用 ***（到这里之前为了省钱都是无卡模式开机，为了验证环境是否配置成功需要先关机再开机，这次开机不要选择无卡模式了，需要根据你选择的配置进行按小时计费）***
进入notebook下的py38

import torchvision
import torch
print('你对应的torch的版本信息',torch.__version__)
print('返回true即为可用',torch.cuda.is_available())
# 1.12.0+cu113
# True