1. 如何在服务器上租GPU跑实验 (以AutoDL为例) - 深度学习·科研实践·从0到1
目录
前言
1. 在AutoDL上注册账号
2. 在算力市场选择GPU
3. 创建实例
4. 控制台-容器实例界面（核心）
4.1 无卡模式（常用）
5. 帮助文档
前言
好记性不如烂笔头，本专栏将详细记录下本人学习深度学习工程实践（从零到跑通实验）的每一步，助人助己，方便日后查阅
1. 在AutoDL上注册账号
官网链接：AutoDL算力云 | 弹性、好用、省钱。租GPU就上AutoDL
AutoDL是很常用的算力云，账号注册完成后，便可进入算力市场，挑选GPU
2. 在算力市场选择GPU
- 这里选择3090是因为很多大型经典开源项目是用3090跑的，相比4090更便宜，初步实验过程中bug也会少一些
- 如果不是很赶实验进度的话，按量计费会更划算（高峰期可能会排队）
3. 创建实例
优质的（github）开源项目都会有readme.md文档，介绍对应的python、pytorch以及cuda版本，这里以本人复现的baseline：OpenOcc为例
- 创建实例的时候可以直接选择对应的cuda版本（当然创建后还可以修改cuda版本，不必太担心）
- 关于数据盘容量，初始附赠50G
- 后续还可以扩容，不必太担心
- 点击创建实例
4. 控制台-容器实例界面（核心）
实例创建后，需要等待小半分钟
- 咱可以暂时关机，单击最右边的更多，选择无卡模式（用来传数据，更划算）
4.1 无卡模式（常用）
- 图中展示的是无卡模式状态（单次开启最低消费0.1元），以及可选项
5. 帮助文档
后期很多操作可以看帮助文档，比如将咱刚刚创建的实例连接pycharm (专业版)，同步代码，将数据传入，使用常用的jupyter lab终端可视化控制咱的Linux服务器，等等，都有详细教学文档
- 官方文档链接：AutoDL帮助文档
- （重要）使用Jupyter Lab来管理实例
6. 公开数据（大大节约传数据实践）
数据对应的路径在这里（用jupyter lab管理服务器上的文件）：
