$AutoDL$ 一日体验

今天体验了一下 $AutoDL$3，还不错

数据

因为我的数据集比较大，有 $45G$，所以首先上传到了百度网盘，使用 $AutoDL$ 的 $AutoPanel$ 连接到百度网盘，需要在百度网盘开放平台创建应用，然后再下载到 $AutoDL$ 的实例里面，下载速度跟百度网盘会员有关

我开的一台内蒙 $A$ 区的 $RTX A5000$ 卡，镜像选择 $Pytorch\ 1.9 + Python\ 3.8 + cuda\ 11.1 $

一开始用的无卡模式，下载速度不太稳定，$1m/s-30m/s$ 来回跳，大概下载了一个小时，贵在便宜(●ˇ∀ˇ●)

远程连接

然后开正常 $gpu$ 模式，用 $PyCharm$ 的 $ssh$ 远程连接服务器，添加 $Interpreter$ ，选择 $SSH\ Interpreter$，填写登录指令，包括 $Host、Username、Password$

设置 $Python\ Interpreter$，默认在 /root/miniconda3/bin/python

然后设置 $Path\ mappings$，包括本地的( $local\ Path$ )和远程的( $remote\ Path$ )，这样就连接上了

训练

跟本地的环境一样，使用pip install xx，安装缺少的依赖

由于我的项目还需要用到 $Java$，使用：

sudo apt update
sudo apt install openjdk-8-jdk
java -version

最后在 $PyCharm$ 下运行训练代码，就在远程开始跑了

当然，可以借助 $JupyterLab$ 可视化，就不细讲了

总结

如果本地没有 $gpu$ 的话，用云 $gpu$ 还是很不错的，可以选择环境和配置，甚至多卡分布式训练，如果有预算，建议还是自己配一台，毕竟长时间用云服务器的话，半年时间都可以买一张 $3080\ Ti$ 了