Pycharm连接云算力远程服务器（AutoDL）训练深度学习模型全过程

前言：在上一篇windows搭建深度学习环境中，我试图使用笔记本联想小新air14的mx350显卡训练一个图像检测的深度学习模型，但是训练时长大概需要几天时间远超我的预期，所以我便选择租用GPU进行训练，在对多家平台对比后找到了经济实惠的AutoDL，接下来是我租用GPU–配置环境–连接Pycharm–训练模型的全过程，基于本人也是刚入门的新手，如果有不恰当的地方还请大家指教。

一、租用GPU

• 首先进入官网AutoDL：https://www.autodl.com/home，注册登录（如果是学生还有优惠）
• 点击算力市场
  
• 选择合适的计量方式，地区和GPU型号，
  （1）在选择地区时，一般选择距离自己最近的区，这样可以减少延迟，提高计算效率123。
  选择GPU
  （2）在选择GPU时，需要考虑GPU对应的地区，一般选择距离自己最近的区，整体区别不大。另外，GPU型号的选择也很重要，对应不同的显卡核心，不同的GPU型号的收费价格不同，越好的GPU收费越贵，看个人经济实力选择。
• 选择镜像
  在本文中选择的是基础镜像，大家根据自己的项目要求选择合适的框架即可，
  
• 租用成功后界面
  

二、配置环境

在这里我们首先选择无卡模式开机，顾名思义无卡模式开机即没有GPU有CPU开机（一般GPU被别人占满的时候，无卡模式还是依然能开机的），同时无卡模式只有0.1元/时，我们可以用它进行数据的传输和环境的配置，有卡模式就需要根据你所选择的配置进行收费，如选择的3090需要1.58元/时。

1、配置环境

（1）点击JupyterLab

（2）点击终端

• 输入：vim ~/.bashrc

• 点击i进入编辑模式

• 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

• 按Esc键，输入:wq，再回车(:q是推出不保存:q!是强制退出)
  输入bash后回车，即刷新一下
  （3）进入环境：conda activate base
  创建新环境：conda create -n py37 python=3.7
  进入新环境，输入：conda activate py37
  （推出py37的代码示例：conda deactivate）
  在这里就可以根据项目需要配置相应的深度学习框架，我认为有三种方案，
  一是可以在conda环境下使用官网命令直接安装对应的包，如我的项目需要torch==1.12.0+cu113 torchvision==0.13.0+cu113 torchaudio==0.12.0就可以到Pytorch官网使用对应命令安装，但是我在安装过程中到最后总是被杀掉进程，所以在这里我使用的是第二种方法。
  二是可以使用远程连接工具xftp传输文件到云主机上进行离线安装，xftp下载链接
  三是可以直接将需要安装的包下载的本地电脑，再上传到租用主机的网盘上
  本文使用的是第二种方法，所以以下为第二种方法的具体步骤
  1、点击更多，点击无卡模式开机或有卡模式开机后会在ssh登录出现ssh登录指令和密码
  ssh登录指令格式如下
  ssh -p 123456 [email protected]

• 用户名：root

• 主机HOST：xxxxxx.xxxx.com（即@后的所有内容）

• 端口号：123456
  2、连接xftp

• 首先新建文件

• 名称可以随便起

• 主机为xxxxxx.xxxx.com（即@后的所有内容）

• 端口号为ssh -p 123456 [email protected]格式中的123456

• 密码
  连接后左侧为你电脑本机，右侧是云主机，在右侧打开你想要存放文件的文件夹，双击左侧本机文件即可将文件上传到云主机的对应文件夹。

3、离线安装
进入上传到的文件目录，使用pip命令安装
如我存放在了/root/autodl-fs文件夹下，首先在终端使用cd autodl-fs,使用ll可查看文件列表。
再使用pip 包的名称即可安装，包的名称可以使用tab自动补齐。
4、jupyter页面更新（即在jupyter页面里增加一个基础环境：py38）

进入刚刚创建的虚拟环境，输入conda install ipykernel
再输入：ipython kernel install --user --name=py37
出现
5、验证cuda是否可用 ***（到这里之前为了省钱都是无卡模式开机，为了验证环境是否配置成功需要先关机再开机，这次开机不要选择无卡模式了，需要根据你选择的配置进行按小时计费）***
进入notebook下的py37

import torchvision
import torch
print('你对应的torch的版本信息',torch.__version__)
print('返回true即为可用',torch.cuda.is_available())
# 1.12.0+cu113
# True

三、连接Pycharm

点击File，点击Settings，点击Python interpreter,点击小齿轮的Add

点击SSH interpreter,填写对应的Host和Username（即上文连接xftp的主机，用户名和端口号）

输入密码
选择python和项目路径（一会会上传），如果你和我上文一样，新建了一个python3.7.1的conda环境则需要到/root/miniconda3/envs/py37寻找python

上传你的项目文件

开始连接，在下面会出现对应终端

四、训练模型

切换到项目存放的文件夹，执行python train.py && shutdown 我的训练模型代码放在train.py文件下，如果你的训练代码不在这里请自行修改。shutdown的作用是在代码运行结束后，云主机会自动关机，以防止再产生不必要消费。