AutoDL使用教程
本文介绍了AutoDL云平台的使用指南:1)注册账号并充值;2)租用GPU实例,包括选择配置、创建镜像和进入Lab界面;3)使用FileZilla进行数据传输,包括连接服务器和文件上传下载;4)创建conda虚拟环境并安装依赖;5)运行Python程序,包括激活环境和指定GPU执行。全文提供了详细的操作步骤和界面截图,帮助用户快速上手AutoDL平台进行深度学习开发。
·
推荐一个很通俗易懂的人工智能教程: 人工智能教程
1、注册与充值
- 登录网址:https://www.autodl.com/home
- 注册账号
- 充值
2、租用实例

- 选择计费规则;
- 选择要租用的GPU数量;
- 是否要扩容数据盘,数据盘可以免费用50G;
- 选择基础镜像版本,点击创建镜像即可。
开机:

进入Lab界面
进入lab界面后如下图:
root/autodl-temp是数据盘
root/minicanda3是系统盘
Termial是终端
一般代码和数据集放在数据盘,虚拟环境创建在系统盘。
3、数据传输
3.1 软件下载
利用fileZilla软件进行数据传输,下载地址如下:
客户端 - FileZilla 中文网
3.2 连接服务器
新建站点并登录,按照如图设置对应参数。
登录账号密码从下图中获取:
登录指令:ssh -p 45277 root@connect.westd.seetacloud.com
登录密码:********
主要获取如下信息:
协议:SFTP
主机:connect.westd.seetacloud.com
端口:45277
用户:root
密码:********
3.3 数据上传和下载

选择目标文件和目标目录进行上传和下载,左边是本地盘,右边是服务器盘。
4 创建虚拟环境
使用conda指令(无需安装conda):
- 打开终端
- 新建虚拟环境 conda create --name my_env python=3.9;
- 激活环境 conda activate my_env;
- 下载成像所需要的依赖项 pip install;
创建的环境会在root/miniconda3。
5 程序运行
- 打开终端
- 激活虚拟环境 conda activate my_env;
- cd train.py所在的目录;
- 运行指令:CUDA_VISIBLE_DEVICES=0 python train.py,CUDA_VISIBLE_DEVICES=0表示指定GPU
更多推荐

所有评论(0)