【深度学习】【AutoDL】【SSH】通过VSCode和SSH使用AutoDL服务器训练模型

生菜模拟器

已于 2024-01-27 03:25:16 修改

阅读量1.1w

点赞数 71

CC 4.0 BY-SA版权

文章标签：深度学习 ssh vscode

于 2024-01-27 03:18:28 首次发布

本文链接：https://blog.csdn.net/kiong_/article/details/135877723

本文详细介绍了如何通过AutoDL注册并租赁显卡资源，配置环境（包括PyTorch和Miniconda），使用FileZilla传输项目，通过Jupyter访问服务器，以及在VSCode中安装SSH插件连接服务器并运行深度学习项目。特别提到了无显卡模式的节约成本策略。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

身边没有显卡资源或不足以训练模型时，可以租赁服务器的显卡。

1、注册AutoDL并配置环境

首先打开AutoDL官网，注册账号并租赁自己期望的显卡资源
在这里插入图片描述
点击“租赁”之后，我们要继续选择基础环境。此处，我们让其自动配置好基础的pytorch，也可以选择Miniconda，后续自己用conda配置。因为我自己的模型需要用到pytorch，我就让它自动配置一下。

然后开机
在这里插入图片描述

2、下载FileZilla并传输项目

写在前面，有可能你的项目会比较大，上传比较耗时，但服务器一直在开着，会比较费钱，可以先去把服务器关了，点“更多”，再点“无限卡模式开机”。这时你的服务器就不带GPU，平台只收你1毛钱一小时。（不过，如果你后面忘了关机并带GPU开机，显然你的项目是跑不起来的）
在这里插入图片描述

FileZilla用于本地和服务器传输文件。下载FileZilla。

首先打开官网：
在这里插入图片描述

然后选择对应操作系统版本，下载
在这里插入图片描述

点这个，下载
在这里插入图片描述

然后就是正常的安装过程。。。省略了

接着打开安装好的FileZilla，点左上角这个书架（不听系统版本长得不完全一样，但差不多）
在这里插入图片描述

然后点击new site，填写这些信息。这些信息从哪来？看下一步
在这里插入图片描述
打开你的Auto DL，看你控制台，容器实例，你刚开机的机器这里有登录指令和密码。复制登录指令长这样：ssh -p 33768 root@region-41.seetacloud.com。我们把它拆解一下

host，也就是IP地址：region-41.seetacloud.com
用户名：root
端口：33768

接着，连接FileZilla即可。然后可以传输你本地的项目文件到服务器上。
可以解释一下这个服务器上的文件结构：

默认的base解释器：/root/miniconda3/bin/python.exe
conda环境列表：/root/miniconda3/envs
一般，我们用来存放项目的位置：/root/autodl-tmp

然后拖拽你的项目到右边就行了。

3、使用Jupyter访问服务器

在这之前，你需要在你的本地电脑上安装好anaconda。然后安装Jupyter notebook。

conda install jupyter notebook

安装好后，再打开你的AutoDL控制台，点这个Jupyter Lab。
在这里插入图片描述

应该是这样的画面：
在这里插入图片描述

然后点终端，就可以正常使用conda，安装我们自己的环境之类的了。其实jupyter也可以上传本地文件。。。。。：
在这里插入图片描述

4、在VSCode里安装SSH插件并连接服务器

首先去插件市场里下载remote SSH插件
在这里插入图片描述

接着，打开这个插件，点击加号，在上面的空行中输入AutoDL的访问命令，就是那一串我们之前说过的命令，直接复制上去，然后回车
在这里插入图片描述

接着，它会让我们选择一个文件来保存我们的连接配置信息，不要多想，这只是便于它以后自动连接。点第一个就行
在这里插入图片描述

右下角会提示地址添加成功，点击连接即可，
在这里插入图片描述

点完之后，上面的空行会让我们输入一下密码。

接着，打开我们刚才上传的项目文件。好像还要输入一次密码，如果有弹窗问你是否信任次项目，请点“Trust project”
在这里插入图片描述

这就是我们的项目了：
在这里插入图片描述

5、运行我们的深度学习项目

或许你会发现，你的vscode上并没有运行按钮，这是因为，你VSCODE没能识别服务器上这个文件是python项目（虽然你本地应该安装了python插件）。装一下即可（图标都带了一个SSH连接的表示）。
在这里插入图片描述

然后选择你的解释器，运行即可。
在这里插入图片描述

对了，不同的项目，也许环境不同，根据项目需要，用conda安装剩下所需的环境即可。（用上面所说的Jupyter中的命令行来装）而且如果你是“无显卡模式开机”的，重新带着GPU开机，不然咋跑啊！

最终项目也是正常跑起来了：
在这里插入图片描述