使用autoDL深度学习远程ssh连接，租用服务器完整医学深度学习分割任务

学习目标：

• 本博文的目的是使用深度学习炼丹平台运行github上医学图像分割

---

学习内容：

1. 如何将pycharm与远程服务器连接
2. 如何将数据集上传至远程服务器
3. 如何构建远程服务器环境和依赖库
4. 执行nnUnetV2以验证本次学习成果

---

1.连接pycharm与远程服务器

1. 首先我们需要充值AutoDL并在算力市场租用GPU，以下是租用情况，我们可以根据自己的需求去选择需要租用的显卡类型。
   

2. 如图，根据所需代码选择框架类型和版本，并立即创建实例。
   

3. 运行开机，并获取得到SSH登录指令
   

4. 打开pycharm，使用ssh协议连接远程服务器
   打开file–>Settings–>Add Interpreter–>on SSH ,内容如下
   填入Host 类似connect.XXXXX.gpuhub.com
   填入Username: root
   填入Port：具体从ssh中获取端口号
   
   输入密码
   
   定义将本地python文件与远程服务器映射，即可完成链接
   

2.上传或者下载数据与文件

1. 上传文件方法一，通过autoDL平台上传云网盘数据，打开autoDL平台的文件存储，点击初始化文件数据这样会自动获取20G的存储空间用于上传数据。当通过云盘上传成功后，重启远程服务器，通过pycharm中Tools–>Deployment–>Browse Remote Host中root/autodl-fs/xxx可以看到上传成功的文件（该方法的缺点是只能上传一个文件，不能按照文件夹上传，建议上传压缩包再使用代码解压）
   

2. 通过xffp连接
在电脑端下载xftp

 https://www.xshell.com/zh/free-for-home-school/

新建会话，并通过上面获取的地址和密钥，连接。我们可以通过该方法上传和下载数据以及文件代码

3.同步和上传代码至服务器端
查看步骤1.4中设置的python映射路径，记下服务器端的保存路径，我的保存路径是/tmp/pycharm_project/
当在电脑端写好代码后在Tools–>Deployment–>Unload to xxxxx上传代码

3.构建远程服务器环境和依赖库

打开远程服务器的命令行窗口，点开小箭头

更新 bashrc 中的环境变量

conda init bash && source /root/.bashrc

创建新虚拟环境

conda create -n 你的项目名 python=3.8

再次更新bashrc

conda init bash && source /root/.bashrc

激活虚拟环境

conda activate 你的项目名

安装 pytorch 与 torchvision，根据自己版本自行选择版本号

pip install torch===X.X.X torchvision===X.X.X -f https://download.pytorch.org/whl/torch_stable.html