从〇开始深度学习(番外)——快速配置云服务器
文章目录
写在前面
《从〇开始深度学习（番外）》系列主要记录一些细碎知识点和技能，与主线并不冲突。如果主线笔记中用得到番外篇的知识或技能，会在文中贴出链接，为此不必担心遗漏知识。
本篇的内容主要是快速配置一台云服务器，主要目的是把本地训练挪至服务器，从而加快我们训练与预测的速度。
1.准备工作
在算力市场（AutoDL算力云 | 弹性、好用、省钱。租GPU就上AutoDL）选择合适的服务器：
然后选择Pytorch版本：
注意：
- 在选卡的时候注意最高CUDA版本和自己需要用的是否一致；
- 如果在创建镜像时，选择Miniconda，则需要进行额外。我们的需求只需要管理一个环境，无需用conda；
- 创建后Pytorch服务器就已经配好，无需自己配置；
2.配置PyCharm
2.1.连接服务器
用Pycharm打开ultralytics-main，打开设置，找到项目：
在Pycharm中打开设置，找到Python解释器：
添加解释器，选择SSH：
界面如下：
在控制台复制登录指令和密码：
ssh -p 5xxx6 root@connect.bjb1.seetacloud.com
bugaosunimima
其中，主机为connect.bjb1.seetacloud.com，端口为5xxx9，用户名为root。
密码也从控制台复制即可。点击下一步：
然后再点下一步：
**进入第四步时，不要着急创建！先不点击下一步！**回到控制台，打开JupyterLab，在autodl-tmp文件夹下创建存放工程的文件夹：
最好与本地路径一样，防止自己忘记：
回到Pycharm，选择系统解释器，而非Virtualenv环境，进行如下配置：
点击创建，Pycharm就会自动上传。
2.2.配置部署服务器
然后进行如下配置：
2.3.配置Jupyter
创建一个Jupyter文件：
右上角配置Jupyter服务器：
修改命令行实参：
notebook
--no-browser
--allow-root
--port 5xxx6
应用后即可。
至此Pycharm配置完成。
3.安装项目依赖（如需要）
仅抛砖引玉。打开JupyterLab，进入存放项目的文件夹。在此文件夹下，打开终端，输入：
pip install scikit-learn
在服务器安装项目依赖不需要换源。
注：这里是进入项目文件夹之后下载的，实际上并不一定需要进入项目文件夹再下载。
Pycharm_135">4.Pycharm里的便捷服务
4.1.使用终端
打开终端，选择服务器：
输入命令：
cd autodl-tmp/PyTorch/test1
4.2.从服务器上下载文件到本地
如何将服务器上的内容下载到本地呢？点击浏览远程主机：
会弹出界面。找到相应文件夹，右键下载到本地即可：
