AutoDL使用手册

官网：AutoDL-品质GPU租用平台-租GPU就上AutoDL

1.服务器购买

2.新建虚拟环境

conda create -n tf python=3.8           # 构建一个虚拟环境，名为：tfconda init bash && source /root/.bashrc # 更新bashrc中的环境变量conda activate tf                       # 切换到创建的虚拟环境：tf

3.各个目录的介绍

source /root/.bashrc

4.文件上传（建议阿里云盘）/公开数据集 

上传文件参考：AutoDL帮助文档

公开数据集参考：AutoDL帮助文档

5.文件下载

从GitHub上下载代码时，可以启用加速。常用的加速：

# 芜湖区export Http_proxy=http://192.168.0.91:12798 && export https_proxy=http://192.168.0.91:12798# 北京A区export http_proxy=http://100.72.64.19:12798 && export https_proxy=http://100.72.64.19:12798#内蒙古A区export http_proxy=http://192.168.1.174:12798 && export https_proxy=http://192.168.1.174:1279#南京新手区export http_proxy=http://172.181.217.43:12798 && export https_proxy=http://172.181.217.43:12798#A100专区export http_proxy=http://172.31.1.127:12798 && export https_proxy=http://172.31.1.127:12798

使用结束后记关闭加速

unset http_proxy && unset https_proxy

6.文件解压 

# 下载安装工具curl -L -o /usr/bin/arc http://autodl-public.ks3-cn-beijing.ksyun.com/tool/arc && chmod +x /usr/bin/arC# 压缩/打包arc compress xxx.zip path/to/directory# 解压arc decompress xxx.zip 或者解压到指定目录arc decompress xxx.zip path/to/directory

有个别zip的压缩包使用上边的命令以及unzip命令都不能解压时，先检查文件大小，如果文件大小和源文件一样，那么尝试下面的命令解压： 

apt-get update && apt-get install -y fastjarjar xvf xxx.zip

7.Jupyter Notebook使用

# 将新的Conda虚拟环境加入jupyterlab中conda activate tf                         # 切换到创建的虚拟环境：tfconda install ipykerneliPython kernel install --user --name=tf   # 设置kernel，--user表示当前用户，tf为虚拟环境名称

运行代码时，可能会遇到路径错误的问题，可以用!pwd查看当前位置，然后用os.chdir()修改位置。下图中绿色框为原来位置，红色框为修改后的位置。 

8.终端长时间运行项目

为了避免断开连接后，任务中断，可以参考守护进程文档：AutoDL帮助文档 

9.远程连接PyCharm

服务器端生成的文件（图片视频权重文件等）无法同步到本地，需要自己下载。

需要注意的是，本地项目文件夹最好不要存放数据集，否则连接服务器会自动上传，而且速度很慢。

pychram连接远程终端：

 10.pip国内源下载

#方法一：豆瓣镜像网站pip install 安装包名字 -i http://pypi.doubaNIO.com/simple/ --trusted-host pypi.doubanio.com #方法二：豆瓣pip install 安装包名字 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com#方法三：清华大学（推荐）pip install 安装包名字 -i https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host pypi.tuna.tsinghua.edu.cn 

 11.服务器端，利用jupyter查看视频的方法

# 查看视频from IPython.display import htmlfrom base64 import b64encodevideo = 'demo/demo.mp4' # 视频路径mp4 = open(video,'rb').read()data_url = "data:video/mp4;base64," + b64encode(mp4).decode()HTML("""""" % data_url)

12.实例GPU数量不够无法开机怎么办？

1. 将原来的实例保存镜像，这样就不用再次配置环境了。
2. 去算力市场购买新的实例，镜像选择--我的镜像--选择刚保存好的镜像

以下两个是我自己保存的镜像 

# CUDA 11.1pip3 install torch==1.8.2 torchvision==0.9.2 torchaudio==0.8.2 --extra-index-url https://download.PyTorch.org/whl/lts/1.8/cu111

来源地址：https://blog.csdn.net/weixin_45231460/article/details/128092503