文章目录
蓝耘 | 蓝耘元生代智算云详细使用教程，蓝耘云，蓝耘元生代智算云是一个面向企业及个人用户，兼具效率与成本优势的智算云。支持裸金属调度和容器调度。裸金属调度能赋予用户更广阔的自定义空间；容器调度则依托方便快捷的调度能力，可帮助纳管合作伙伴闲置的算力资源，并实现快速构建，分钟级打造出一个专属品牌的算力平台，客户仅需提供企业品牌 logo、网址以及负责人信息即可轻松完成。
一、前言
在数字浪潮汹涌澎湃的时代，程序开发宛如一座神秘而宏伟的魔法城堡，矗立在科技的浩瀚星空中。代码的字符，似那闪烁的星辰，按照特定的轨迹与节奏，组合、交织、碰撞，即将开启一场奇妙且充满无限可能的创造之旅。当空白的文档界面如同深邃的宇宙等待探索，程序员们则化身无畏的星辰开拓者，指尖在键盘上轻舞，准备用智慧与逻辑编织出足以改变世界运行规则的程序画卷，在 0 和 1 的二进制世界里，镌刻下属于人类创新与突破的不朽印记。
主要应用于 AI 训练、推理、视觉特效和渲染及教科研等计算密集型场景，为用户提供按需付费、随时随地可获取的 GPU 算力云服务，在满足客户业务应用和 GPU 算力随需扩展的双重需求的同时，响应用户在管理成本、技术投入及效率方面的成本控制诉求，全面提升整体计算效率，加速 AI 创新成果转化。
二、蓝耘元生代智算云介绍
2.1 功能模块
- 智算算力调度模块：
支持裸金属调度和容器调度。裸金属调度能赋予用户更广阔的自定义空间；容器调度则依托方便快捷的调度能力，可帮助纳管合作伙伴闲置的算力资源，并实现快速构建，分钟级打造出一个专属品牌的算力平台，客户仅需提供企业品牌 logo、网址以及负责人信息即可轻松完成。
- 应用市场模块：
部署了很多镜像，如 sdcomfyui、sdwebui、yolo、2d 转 3d 建模的 triposr 等，用户可以点击部署镜像，选择计费方式后立即购买，部署成功后，通过 ssh 命令和密码即可启动应用进入相应操作界面。
- AI 协作开发模块：
深度契合 AI 开发中的团队协作场景需求，通过前台、中台和后台的全方位协同满足开发训练需求。前台为开发工程师集成了常用的开发套件、存储调用、镜像仓库及高灵活度的资源调度，并通过计算网络轨道调优、numa 亲和性调度、分布式缓存等一系列后台优化进一步提升训练效率，支持自定义任务在同一组 leaf 交换机上运行。中台面向用户运维团队提供集群基础设施级监控指标，助力高端玩家高效追踪训练任务各阶段、各项目的资源使用情况，优化资源分配，确保了算力的充分利用，有效避免资源的浪费与闲置。后台主要为非技术人员提供运营和财务等相关的功能。
2.2 服务模式
- 公有云服务：
面向中小型商业客户和各类 C 端 AIGC 开发者，以公有云形式提供弹性算力服务，用户按需购买或订阅资源，无需自建硬件。
- 私有化部署：
针对数据安全和性能要求较高的大型企业用户，可在其内部进行私有化部署，以完善高效的算力解决方案，为数据隐私和自主运营保驾护航。
- 按年度订阅：
对于算力资源丰富但技术能力相对薄弱的云服务商、地方政府智算中心，在授权许可下，向其开放使用权限，并按年收取技术服务费。
2.3 技术优势
- 全场景覆盖：
基于 Kubernetes 原生云设计，依托行业领先的灵活基础设施和大规模 GPU 算力资源，实现从数据准备、代码开发、模型训练到推理部署等全场景覆盖，高效赋能用户 AI 研发全流程。
- 高效集约：
可实现计算资源统一分配调度、训练数据集中管理并加速、集群环境快速部署与迁移，满足客户在 AI 模型构建、训练和推理业务全流程中对 GPU 算力灵活性及多样化的需求，助力 AI 创新发展提质增速。
- 开放兼容：
打造集应用市场、预训练大模型、数据集管理、AI 开发工具、模型镜像等功能于一体的生态体系，致力于构建一个充满活力的 AI 社区，为 AI 应用和镜像制作者开辟多元化的变现途径。
三、智算云注册使用
- 1.登录后，点击页面顶部导航栏中的 “控制台” 按钮，进入 “容器实例” 页面，选择 “租用新实例”。
- 2.根据自身需求和预算，从实例列表中选择合适的服务器配置，页面右侧会显示每种配置的详细价格信息。
- 3.在结算时，可以使用之前领取的代金券来抵扣费用。新用户通常有一定时长的免费使用优惠，如 3090 显卡服务器可免费使用 66 小时，4090 显卡服务器可免费使用 43 小时。
3.1 注册申请
实例购买操作： 根据下图步骤配置使用
3.2 租用新实例
PyTorch 是由 Facebook 的人工智能研究团队（FAIR）开发的。它于 2017 年发布，从一开始就受到了广泛关注。其开发的初衷是为了提供一个动态计算图的深度学习框架，使得研究人员和开发者能够更灵活地构建和训练神经网络。
四、服务器使用
4.1 连接服务器
- 开启无卡模式：
登录服务器后，进入 “无卡模式” 设置界面并开启该模式。在无卡模式下，每小时仅需 0.1 元，可将数据集从本地传输到服务器。
- 使用 FileZilla 进行服务器连接：
1.打开 FileZilla 并点击顶部的 “文件”。
2.选择 “站点管理器” 并新建站点，选择协议为 “SFTP - SSH File Transfer Protocol”。
3.输入服务器信息，包括主机（link.lanyun.net）、端口（通常为 13272）、用户（root）和密码，然后选择连接。
4.2 配置开发环境
1.在本地安装 PyCharm 专业版。
2.打开工程项目，然后进入 “settings→project interpreter→add”。
3.点击 “SSH interpreter”，设置一个新的服务器配置，包括服务器地址、端口号、用户名和密码等信息。
4.添加 Python 解释器，通常远程 Python 解释器的路径为 /root/miniconda3/bin/python，如果使用了虚拟环境，则路径为 /root/miniconda3/envs/{环境名}/bin/python。
5.对文件位置进行设置，确保 “Deployment path” 与 “Sync folders” 中的路径保持一致。
4.3 使用应用市场
1.点击 “应用市场”，其中部署了很多镜像，如 sdcomfyui、sdwebui、yolo、2d 转 3d 建模的 triposr 等。
2.点击部署镜像，选择计费方式，立即购买，之后会跳转到工作台，等待部署成功。
3.部署成功后，使用 win+r 键打开命令行，复制粘贴 ssh 命令，并复制 ssh 密码输入，即可启动应用进入相应的操作界面。
4.4 数据管理
1.上传的数据通常存储在服务器的 /root/lanyun-tmp/ 目录中，可将本地数据上传至此位置。
2.在服务器上可对数据进行整理、预处理等操作，以满足模型训练和推理的需求。
4.5 模型训练与推理
1.在应用市场中选择适合的深度学习模型镜像并部署。
2.根据模型的要求，准备好训练数据和相关配置文件，并上传至服务器。
3.在相应的操作界面中，设置训练参数，如学习率、批次大小、训练轮数等，然后启动训练任务。
4.训练完成后，可使用训练好的模型进行推理，输入相应的测试数据，获取模型的输出结果。
4.6 监控与管理
1.在平台的控制台中，可以查看服务器的运行状态，包括 CPU、GPU 使用率、内存使用情况等。
2.对于正在运行的任务，可查看任务的进度、日志等信息，及时了解任务的运行情况。
3。根据实际需求，可对服务器进行重启、停止、删除等操作。
4.7 Linux命令操作
操作步骤： 控制台 》容器实例 》快捷工具 》JupyterLab
今天就介绍到这里了，更多功能快去常识吧……
结束语
亲爱的朋友，无论前路如何漫长与崎岖，都请怀揣梦想的火种，因为在生活的广袤星空中，总有一颗属于你的璀璨星辰在熠熠生辉，静候你抵达。
愿你在这纷繁世间，能时常收获微小而确定的幸福，如春日微风轻拂面庞，所有的疲惫与烦恼都能被温柔以待，内心永远充盈着安宁与慰藉。
至此，文章已至尾声，而您的故事仍在续写，不知您对文中所叙有何独特见解？期待您在心中与我对话，开启思想的新交流。
🚍 蓝耘元生代智算云平台：https://cloud.lanyun.net//#/registerPage?promoterCode=0131
① 🉑提供云服务部署（有自己的阿里云）；
② 🉑提供前端、后端、应用程序、H5、小程序、公众号等相关业务；
如🈶合作请联系我，期待您的联系。
亲，码字不易，动动小手，欢迎 点赞 ➕ 收藏，如 🈶 问题请留言（评论），博主看见后一定及时给您答复，💌💌💌
扫一扫
375
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
