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！
|
