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:
- 如何将pycharm与远程服务器连接
- 如何将数据集上传至远程服务器
- 如何构建远程服务器环境和依赖库
- 执行nnUnetV2以验证本次学习成果
1.连接pycharm与远程服务器
-
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。
-
如图,根据所需代码选择框架类型和版本,并立即创建实例。
-
运行开机,并获取得到SSH登录指令
-
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
- 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