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
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
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）
FileZilla用于本地和服务器传输文件。下载FileZilla。
首先打开官网：
然后选择对应操作系统版本，下载
点这个，下载
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）
然后点击new site，填写这些信息。这些信息从哪来？看下一步
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 [email protected]
。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。
应该是这样的画面：
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。。。。。：
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
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
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
右下角会提示地址添加成功，点击连接即可，
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”
这就是我们的项目了：
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）。
然后选择你的解释器，运行即可。
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：
版权归原作者 四进制 所有， 如有侵权，请联系我们删除。