AutoDL教程

First Post:

Last Update:

Word Count:
896

Read Time:
3 min

前言：由于本地轻薄本算力不够，跑一些复杂的对显存要求高的模型比较困难，因此需要租服务器提高速度，根据推荐就选用 AutoDL ，本教程是一边学一边做一边写的，作为记录，希望在未来忘记如何进行操作时能根据自己的教程很快回忆起流程。

一、注册与认证

首先进入AutoDL官网，完成个人注册，如果是学生的话可以进行学生认证，认证后可享 GPU 折扣价。

二、创建实例（租用服务器）

  1. 进入算力市场

    • 登录后点击顶部 算力市场 → 选择 按量计费（适合短期使用）。

  2. 选择配置

    • GPU 型号：根据需求选择（如 RTX 5090 适合中小模型，A100 适合大模型）。

    • GPU 数量：初学者选 1 卡即可（多卡需代码适配）。

    • 硬盘：

      • 系统盘：默认 30GB（存放系统镜像，不可扩容）。
      • 数据盘：默认 50GB 按需扩容（存放代码/数据）。

    • 镜像：选择预装环境（如 PyTorch 2.0.1 + Python 3.10(ubuntu22.04)）。

  3. 创建实例

    • 点击 立即创建 → 等待 1~3 分钟初始化完成。
    • 提示：创建后先关机（避免空跑计费），传文件时再开无卡模式（控制台右侧按钮）。

三、文件传输（建议使用 WinScp 或者 Xftp 或者 FileZilla ，此处以 FileZilla 为例）

  1. 获取连接信息
    • 在实例控制台查看 SSH 登录指令（含 IP、端口、用户名）。
    • 示例：ssh -p 37176 root@region-42.autodl.com
  2. 配置 FileZilla
    • 打开 FileZilla → 顶部输入框依次填写：
      • 主机：region-42.autodl.com（替换为你的 IP）
      • 用户名：root
      • 密码：控制台显示的密码
      • 端口：37176（替换为你的端口）
    • 点击 快速连接 → 左侧为本地文件，右侧为服务器文件。
  3. 传输文件
    • 上传：本地文件拖拽至右侧 /root/autodl-tmp（数据盘路径）。
    • 下载：服务器文件拖拽至左侧本地目录。

四、运行代码的两种方式

方式 1：通过 JupyterLab（推荐新手）

( AutoDL 平台提供的 JupyterLab 是一个基于 Web 的交互式开发环境，专为深度学习和科学计算设计，主要服务于用户在该平台上进行模型开发、数据分析和实验管理)

  1. 实例控制台点击 JupyterLab → 输入密码（默认为创建时设置的密码）。

  2. 左侧文件栏进入 /root/autodl-tmp → 上传代码/数据（支持拖拽）。

  3. 新建终端（Terminal）→ 执行命令：

    1
    2
    cd /root/autodl-tmp  # 进入代码目录  
    python train.py      # 运行你的程序
    • 优点：无需配置，网页直接操作。
    • 注意：关闭浏览器不会停止程序（需在终端用 Ctrl+C 结束）。

方式 2：通过 PyCharm 远程连接（适合本地开发）

  1. 配置远程解释器
    • PyCharm 打开项目 → File > Settings > Python Interpreter → 点击 Add Interpreter → SSH Interpreter。
    • 填写服务器信息：
      • Host：region-42.autodl.com
      • Port：37176
      • Username：root
      • Password：控制台密码
    • 选择远程 Python 路径：/root/miniconda3/bin/python（镜像默认路径）。
  2. 映射项目路径
    • 在 Path Mappings 中设置：
      • 本地项目路径 → 服务器路径（如 /root/autodl-tmp/project）。
  3. 运行代码
    • 然后在PyCharm中使用终端连接到服务器的终端，同样可以进行终端的操作。
    • 右键代码文件 → Run → 程序将在服务器执行，结果输出到 PyCharm 控制台。

五、附

实际上以上只是运行简单项目的步骤，还需要配置各种各样的环境，这些才是真正令人头大的地方……

≡