autodl使用教程-使用Xshell和Xftp进行链接和传输以及autodl环境配置（超详细）

先下载Xshell和Xftp，从官网下载即可，博主直接就是下载了最新的，任何不会可以查看autodl的帮助文档，AutoDL帮助文档，非常详细

目录：

1，打开autodl的官网选择一台机器(如果早起的话，容易抢到便宜的机子）

2，选择你想要的环境

3，本地链接云服务器

4，配置自己想要的环境

5，运行训练文件

6.保存已经配置好的镜像文件

7，其他

1，打开autodl的官网选择一台机器(如果早起的话，容易抢到便宜的机子）

（刚注册的账号需要先充一点钱，博主没有试过钱不够还在占用的时候会发生什么）

一般的训练不用纠结内存，系统盘和数据盘的大小

2，选择你想要的环境

autodl可以提供一些较为基础的镜像

值得注意的是，如果你想要的环境pytorch版本，cuda版本较低，是不能用4090的，并且一般只有Ubuntu环境

这里的实例选用3080显卡，选择对应的镜像

3，本地链接云服务器

创建后会给你ssh命令和密码

点击旁边的复制按钮，打开Xshell，右键点击粘贴过去，注意和复制的命令稍有不同，需要端口号在后，这个端口号可以自己指定，如果链接不成，可以多试几个端口号

在弹出的窗口内粘贴给的密码，就链接成功了

可以点击图标，打开Xftp传输文件，从左侧本地点击拖拽至右侧即可

或者也可以点击快捷工具，在打开的JupylerLab里，点击此按钮上传本地文件

4，配置自己想要的环境

在打开的JupylerLabl里打开终端，在命令行输入命令

autodl提供的只是基础的环境，但也很全，无需再下载torch，torchvision等包，建议在无脑

pip install -r requirements.txt

前先使用    conda list    查看现有环境里面的包，在选择具体的包进行下载，

无需配置镜像源，在这里直接        pip install 包名       即可，他会自己配置国内的镜像源

注意：这里的包最高版本和现有的最高版本不一致，会低一些，尽量不要指定版本配置现有最新的包（也可能是他默认的镜像源里面最高版本不够新）

5，运行训练文件

注意：你传过去的文件不要出现绝对路径，因为在这里绝对路径是root下路径，和你的电脑不一致

        cd  路径   ，进入你要使用的train.py文件所在的路径，直接

python  train.py

开始训练

6.保存已经配置好的镜像文件

        我们经常会优化模型，再次训练，但是便宜的机器不总是空闲，再次配置麻烦，这个时候使用先前的镜像，保存镜像要在服务器关机时才可以，下次就可以在选机器时选择自己的镜像

7，其他

关于数据的留存问题