前言

本文记录利用 AutoDL 云服务器，使用 VS Code 远程连接进行模型训练，步骤完整，操作简便，不需要使用任何命令即可快速运行🚀。

---

一、账号注册

1.1 AutoDL简介

AutoDL AI算力云 是一个提供人工智能算力服务的云平台。以下是关于它的一些特点：

1. 丰富的GPU资源 ：提供多种GPU型号，包括NVIDIA的 A100 、 A800 、 L40 、 V100 、 RTX 4090 、 RTX 3090 等，能满足我们在不同场景下的需求，无论是进行大规模的AI训练还是复杂的科学计算等任务，都可以找到合适的GPU资源。

2. 灵活的付费方式 ：支持 按量付费 、 包日 、 包周 、 包月 等多种付费模式。对于短期的实验或不确定时长的项目，可以选择按量付费；如果有长期稳定的算力需求，预付费或包周包月则可能更划算，可以根据自己的需求和预算进行选择。

3. 集成主流框架 ：集成了 TensorFlow 、 PyTorch 等多种主流的深度学习框架，并且支持多个深度学习框架版本的切换以及底层CUDA的切换，方便用户快速搭建自己的深度学习环境， 减少了环境配置的时间和难度 。

4. 开发者社区支持 ：有相关的开发者社区，为用户提供了代码索引、镜像托管和模型托管等服务。这对于算法开发者和研究者来说，可以更方便地管理和分享自己的代码和模型。

1.2 用户注册

1. 首先进入 AutoDL 官网： https://www.autodl.com/home
2. 点击右上角的 立即注册 ，填写手机号进行注册。注册完成之后会有一个10元代金券，可以先体验一下。

3. 登陆后点击 控制台 ，进入个人界面，点击 认证学生升级炼丹会员 ， 填写教育邮箱，在租卡的时候便宜很多。

---

二、创建实例

新创建的实例都会放在这里，我这里已经创建了4个实例，新注册的这里是空白的。

重新创建新实例，点击 容器实例 → 租用新实例 。

2.1 基础镜像

进入到租用新实例中就可以选择自己的卡配置了。

这里的 计费方式 、 地区 、 GPU型号 、 GPU数量 、 主机 的详细信息和注意事项我已经标在图上，按照自己的需求选择就行了。

📢 注意，在第⑤点中，显存是24GB，也就是说系统盘有24GB大小，硬盘数据盘中有50GB，一共可用的空间有74GB，再多的空间就需要扩容并额外收费了。

在官方给的基础镜像中，最方便的一点就是 不用再关心PyTorch与CUDA版本之间的匹配问题了，里面全都配置好了 。你只需要关心 你的项目代码用的是哪一个版本的PyTorch ，然后选择这个版本就行了。

像这样选择你的配置就行了，这样基础实例就设置好了，有 优惠券 的选择优惠券就行，然后点击 立即创建 就可以了。

点击之后就会在 实例容器 中出现刚刚创建好的实例，租卡就开始了。此时也就开始计费了，不用的时候记得及时关机。

当然也可以在 更多 选项中选择 无卡模式开机 此时只需要 0.1/h ，这个时候是 不能调用GPU 的，但可以做一些基础的调试工作，还可以上传数据（我没有使用官方的 文件存储 功能进行上传数据，是自己上传的，第三节会讲到）。

无卡模式 需要在 关机 状态下才能开启。

关机之后若是再次使用有卡模式，需要等待是否有卡空闲， GPU充足 时才可开机。

这样基础的实例创建就完成了，这是最常用的一种。

接下来会讲解另外 两种极其方便、有效 的两种创建方式，并在第三节和第四节中讲解如何使用创建后的实例，进行模型训练等工作。

2.2 社区镜像

在卡的配置这一块和基础镜像的创建是完全一致的，只需要选择自己想用的卡就行了。

❗❗❗重点是在镜像选择中，选择 社区镜像 ，这里面都是一些用户配置好的项目文件，包括代码和环境，也就是说， 你只需要把你的数据上传之后就可以直接训练了，不用再考虑任何环境的问题，非常方便。

关键是里面一些主流，最新的模型都有，想用哪个就用哪个就行，省了大量搭建环境的时间，也不需要担心会发生任何报错问题（只要原镜像没有问题）😆。

点击创建，就完成啦~

2.3 个人镜像

在 控制台 中选择 镜像 。镜像中保存了个人创建的实例，包括整个项目（代码和环境）。

个人创建的实例可以进行保存，在 更多 中选择 保存镜像 ，就会保存到 镜像 里，我这里是保存了三个镜像。

📢 注意免费的空间是 30 个GB，超出的部分按照 0.01/GB/日 收费。

这个功能的好处是 可以在创建新实例时选择自己保存的实例，然后多开几个实例进行训练，以防没有卡的情况，无法训练。更重要的是不用再次配置环境。

同样，在卡的配置这一块和基础镜像的创建是完全一致的，只需要选择自己想用的卡就行了。其次只需要在 镜像 处在 我的镜像 中选择可用的镜像就行了。

❗❗❗ 更更重要是，保存的镜像可以分享给指定用户，搭建的环境，项目，改动的内容，可以直接完整的分享给我们指定的用户，分享的人可以再次通过我的镜像创建分享得到的镜像。

这样通过 我的镜像 创建实例就完成了~但是不管哪一种方法创建，在实例关机后 15 天就会释放实例，注意时间，再次开就后就会刷新这个时间。

三、上传数据

3.1 直接上传

开机之后，点击 JupyterLab ，进入之后可以对文件进行一些简单操作，其中包含 文件上传 。

在上传多个文件的时候，还需要命令进行解压缩，比较复杂🙃，建议参考 3.2小节 使用 Xftp 进行文件操作处理。

3.2 Xftp上传

1️⃣进入 Xftp 官网： https://www.netsarang.com/zh/xshell/ 下载 Xftp 并安装

2️⃣ AutoDL 中的 实例开机 ， 无卡模式开机 也可以，只要有 登录指令 和 密码 就可以连接。

3️⃣ 打开 Xftp ，新建连接，复制 登录指令 和 密码 。建立连接。

举个例子：
假设 登录指令 为： ssh -p 12345 root@rxxxx001.autodl.com
其中 12345 为端口号； root 为用户名； rxxxx001.autodl.com 为主机名
密码 为：************

4️⃣ 点击 连接 后，就可以连接到云端了。也就可以将本地的文件通过拖拽的方式上传到云端了。

至此， Xftp 上传数据就完成了，注意使用时候的路径，自己项目能找到。

四、远程连接

4.1 安装VS Code和相关插件

1️⃣进入 VS Code 官网： https://code.visualstudio.com/ 下载 VS Code 并安装

4.2 连接云端

2️⃣打开 VS Code ，在左栏中的 扩展 按钮中搜索 Remote - SSH ，点击安装，我这里是已经安装好了

3️⃣点击 VS Code 界面的左下角的 双箭头 ，然后选择 连接到主机

4️⃣ 紧接着点击， + 添加新的 SSH 主机... ，

5️⃣ 此时创建的实例已开机，复制 登录指令 ，粘贴到 VS Code 中。

6️⃣ 登录的相关信息会保存在本地，这里默认选择第一个就行，回车进入下一步。

7️⃣ 上步结束之后会在左下角弹窗，选择 连接 即可，在新打开的界面中输入 实例密码 ，就是已开机实例处的密码。

8️⃣ 回车后，在左栏中选择打开文件，选择想要进入的主目录。在进入主目录后还需要输入一遍密码。

9️⃣ 输入完成后就连接成功，进入我们的项目啦

4.3 模型训练

在 VS Code 中选择 终端 → 新建终端 ，就打开了控制台。

此时使用 社区镜像 或者是 个人镜像 的，项目运行所需的各种模块就已经配好了的。在训练模型的时候，配置好自己的数据后开始训练就可以顺利训练了， 不需要额外安装任何模块。

使用 基础镜像 进行配置的，本地上传完数据后，还需要安装相应的模块。找到缺少哪些模块后，在终端控制台中使用 pip install 安装就可以了，官方自带镜像源，安装很快。

推荐在 扩展 中搜索 python ，并安装，能够显示代码高亮，显示报错，并可以运行文件，而不需要使用命令。

五、实时监控GPU、内存等占用曲线

开机之后，点击 实例监控 ，里面实时记录了 GPU ， CPU 、 内存 、 显存 的使用情况：

当然也可以查看训练的tensorboard曲线，就不再详述啦

✅