云主机 GTX 1080Ti 使用过程简记
一、优缺点
二、效劳器简介
三、连接效劳器流程
1. 首先下载MobaXterm,检查系统运行状态是否无误2. 使用windows附件远程桌面连接效劳器3. 搭建环境
个人电脑性能不太高以致于难以满足一些模型的训练,上半年就不时在考虑租个效劳器,但是太懒惰了~最近使用了智星云的 Geforce GTX 1080Ti(入门型) 训练模型,感觉还可以。
一、优缺点
1. 优点
- 价格比较廉价,单独按小时来算,1 GPU 的情况下,Geforce GTX 1080Ti 是 2.1 2.1 2.1 元/小时,RTX 2080Ti是 3.0 3.0 3.0 元/小时,RTX 3080是 3.5 3.5 3.5 元/小时,1080Ti 根本就可以满足一般需求。除按小时收费外,还有按天租用的,租的时间越长,可享受的折扣越大,有长期租用需求的可能更划算一些。比较容易上手,我选择的是 win10+cuda10,预装了 python 3.8.5、CUDA 10.1、cuDnn7.6.5、PyCharm、VScode、Miniconda、Pytorch 1.7.1、Tensorflow 2.2,环境上可以说很棒了。我在使用的时候只需要配置很少一部分环境,不需要浪费很多时间在搭建环境上,就很nice。有微信小程序,可以随时查看效劳器是否有空余,方便租用或完毕租用。存储空间较大,除C盘外,提供了200G的D盘,可以自行选择是否开启。
2. 缺点
文件传输不太方便,官方提供了四种方式:智星云盘、百度网盘、微力同步、QQ。其中智星云盘只要5G空间,百度云非SVIP下载急死个人,QQ有文件大小限制,微力没试。迫不得已,买了百度云的会员,但是看着下载速度飞快飞快的,感觉也值了。当然个人电脑和镜像之间可以直接复制,但是稍大点的文件就会特别慢!!!数据和环境不能云保管,我每天会使用几个小时的效劳器,所以不时用的是弹性分时形式。每次完毕租用的时候,环境和数据都会随之销毁,这就导致下一次租用效劳器的时候又需要重新做一遍之前的工作,次数多了真的感觉很费事。长期租用不适宜我这样一天学几个小时的人,所以也就只能忍忍啦。
整体使用感觉还不错,价格方面也可以接受,有需求的小伙伴可以尝试一下。
二、效劳器简介
1. 官网
点击 智星云效劳器的官方网站 可以进入智星云官网,主页下拉就可以看到:
继续下拉,可以看到算力市场,点击进入就可以查看可租用的效劳器:
可以在网页或者微信小程序上停止租用、查看效劳器运行状态,小程序更方便哦~
2. 小程序的使用
扫码进入小程序后,下面有 头条、GPU云、控制台、我的 四个页面。
头条 页面提供了一些协助文档:
GPU云 页面可以停止效劳器的选择和租用,租期可以选择 弹性分时、按天,假设初始选了弹性分时,后期可以晋级为套餐(也就是长期租用);但假设初始选的套餐,后期无法改为弹性分时,只能 续租套餐。
控制台 页面可以查看自己所有的租用记录和正在运行的效劳器状态。
我的 页面可以查看自己的账户余额,停止充值等操作。
三、连接效劳器流程
在小程序或网页端都可以依照 选择操作系统和租期 --> 选择GPU数量 --> 选择镜像 --> 点击想租的GPU类型 --> 点击立即租用 的流程租用效劳器,之后会显示 系统创建中,大约需要1-2分钟的时间,创建胜利之后该效劳器的状态就会变成 运行中。接下来就可以使用远程连接效劳器的地址 (1) 和密码 (2) 来登录云主机了~
1. 首先下载MobaXterm,检查系统运行状态是否无误
可以通过智星云官方提供的下载链接 连接(登录)软件下载,不需要装置,点击就可以使用。
点击 OK 后,需要输入密码:
假设效劳器运行无误,1分钟左右就可以进入啦。
呈现上面的界面后,说明我们的云主机状态是正常的,但是因为VNC连接会比较慢,所以可以先点击右上角的 Disconnect,断开VNC连接后,接下来使用其他方式与效劳器连接。
官网协助文档 提供了 Windows远程桌面、向日葵、toDesk 等登录方式,秉着有自带的就用自带的这一原则,我选了使用win10自带的远程桌面来登录效劳器。
2. 使用windows附件远程桌面连接效劳器
该附件可以在 开端 -> window 附件 中找到,在弹出的界面中点击左下角的 显示选项:
然后将 windows 远程桌面连接 后面的地址 wx.blockelite.cn:xxxxx 填入计算机后面框里(其中 xxxxx 是端口名,每次租用效劳器时该端口都是不相同的),将 vipuser 填入用户名后面。
然后点击 连接,在弹出的窗口里输入密码。
之后会再弹出一个窗口,继续点 是 ,大约1-2分钟后就可以连上了。
开机以后,可以依照自己的需求来选择是否开启D盘,依照 win10开启D盘 停止操作,很简单的~
由于C盘可用空间在40G左右,假设训练比较大的模型,训练的过程中会生成较大的权值文件,考虑到C盘空间不多,可以把D盘翻开来存储部分权值文件。
3. 搭建环境
因为之前使用的也都是 PyTorch+Pycharm,预装的环境对我真的很友好了。需要注意的一点是,在装置conda包之前,记得 修改C盘下的.condarc文件,删掉第五行的默认源,这样下载装置会比较快。下图是修改后的 .condarc。
接下来就可以创建自己的环境了。
我需要的环境基于 python=3.6,所以在命令行输入 conda create -n myenv2 python=3.6
在删除默认源以后,创建过程是很快的。
接下来激活环境 activate myenv2
然后可以使用阿里云或者其他国内镜像,来下载装置自己需要的包,速度飞起~
pip install -i https://mirrors.aliyun.com/pypi/simple scipy==1.2.1 numpy==1.17.0 matplotlib==3.1.2 opencv_python==4.1.2.30 tqdm==4.60.0 Pillow==8.2.0 h5py==2.10.0
至此,环境就搭建好了~可以开端愉快的学习啦!
|