目录

一、创建实例

二、配置环境+上传数据流程

参考链接

---

一、创建实例

1.首先进入AutoDL官网：AutoDL-品质GPU租用平台-租GPU就上AutoDL

2.点击右上角的控制台，然后如图点击租用新实例

3.租用新实例的参数选择，选好了之后点击右下角的立即创建即可，我选择的是按量计费，相对于小模型的使用更便宜，缺点是有时候会没有GPU可租用，需要更换实例。

这里我选择的是RTX3090，不同的GPU需要的配置也不同，后面再介绍

配置镜像可以参考我这个，Miniconda相当于一个基础框架，后面还需要对环境配置

如果有自己相对应的版本，也可以直接选择，选择这种可以跳到配置环境中的2激活base环境，再到5测试

 租用成功之后的界面

二、配置环境+上传数据流程

配置环境

对相应租用实例进行开机，也可以在更多中选择无卡模式开机（无卡模式相当于不使用GPU，只进行环境的配置，花费更低）

 1.点击JupyterLab

2.编辑文件+刷新，使得能使用conda，以进行后续的环境配置
输入：vim ~/.bashrc
开始进行编辑：输入i
移动到文件的最后一行，加上source /root/miniconda3/etc/profile.d/conda.sh
保存并退出：按Esc键，输入:wq，再回车
输入bash重启终端（即，刷新一下）

 

 3.配置环境

在终端中输入

进入环境：conda activate base

创建新环境：conda create -n py38 python=3.8

进入新环境，输入：conda activate py38

不同框架和GPU操作：不同的GPU算力不同，也需要不同的框架

安装Ppytorch：

miniconda3+RTX 2080 Ti

输入：

#CUDA11.1
conda install pytorch torchvision torchaudio cudatoolkit11.3 -pytorch

miniconda3+RTX 3090

输入：

# CUDA 11.1
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge

和上面一样

安装过程较慢，等几分钟，是正常情况

出现上面的表示安装完成

安装其它包，例如：pip install jupyter d2l

4.jupyter页面更新

jupyter页面更新（即在jupyter页面里增加一个基础环境：py38）

在py38环境中输入conda install ipykernel

再输入：ipython kernel install --user --name=py38

 5.测试

按照配置好环境后，退出无卡模式，更换为开机模式，再点击Notebook下的py38进去写代码了（即在py38环境下，使用jupyternotebook）

输入以下代码验证：

import torchvision
import torch
print(torchvision.__version__)
print(torch.cuda.is_available())
# 0.11.0+cu111
# True

6.先将文件打包成zip文件，拖入或上传文件，再在终端中用unzip解压到指定目录
常用的命令：

unzip xxx.zip 直接解压到当前文件夹中
unzip -d xxx.zip 解压到指定文件夹中

直接解压到当前文件夹中

也可以采用阿里上传数据（推荐使用，保存，使用文件更方便），点击Autopanel

 

 

这个文件上传会到autodl-tmp中

 7.使用

参考链接

AutoDL帮助文档：使用过程有什么问题可以参考这个

pytorch官网：PyTorch需要不同的GPU和框架可以在这里查找