云服务器做深度学习推荐+autoDL云服务器进行深度学习教程

目录

主流云服务器

autoDL云服务器进行深度学习教程

1、购买autoDL云服务器

 2、向服务器上传项目数据

3、解压服务器上的项目数据

4、终端训练

4.1 远程IDE

4.2  代码执行结束自动关机

4.3  查看GPU信息

4.4  查看进程的CPU和内存占用

4.5  提升GPU性能

 5、GPU选型

笔者用云服务做深度学习项目，只是偶尔才会用到它。所以我就想找一款按量收费性价比较高的云服务器，故笔者使用autodl云服务器，云服务器地址为：AutoDL-品质GPU租用平台-租GPU就上AutoDL   笔者经过多次筛选，显卡种类多，对于自掏腰包的学生来说，性价比是真不错。

主流云服务器

笔者最近需要跑深度学习模型训练，在网上看了诸多云服务信息，市场上现存在云服务器有：autoDL云、恒源云、阿里云、腾讯云、华为云、天翼云、矩池云、谷歌云、百度云（飞浆paddle）、硅云、MistGPU、微软云等云服务器。下面进行分别阐述：

autoDL云：价格比较亲民，笔者对比这么多家，性价比是真的高，对于学生党全部9.5折。它上传数据快，方便，支持vscode，pycharm等在线编译代码。传输方式有：公网网盘、autodl网盘、jupyterlab、filezilla和xshell软件支持。

 恒源云：笔者选了很久后，主要是价格上比autoDL云贵几毛钱。其它方面都是很不错。

  阿里云：市场比较大，国内外都有服务器，GPU架构并行运算能力较强。但是价格比较贵

腾讯云：

市场占有率高， 他的计费方式是竞价计费，价格随时都是浮动的，价高者拥有该服务器的使用权。

华为云：笔者不知为啥，因为注册华为账号一直都不成功。所以未查看到其价格形式和其它信息，读者可以自行了解。

天翼云：价格比较贵 

矩池云：矩池云因为和诸多高校合作，故价格也贵。

谷歌云和微软云：因为服务器都在国外，上传/下载数据太慢，中途断掉，又得重新开始，虽然也有免费使用时长，但断线就很恼火。

百度云（飞浆paddle）：百度云每天可以赠送算力卡（每天免费领取8点算力卡），也有免费基础版本的，但它有其专门的框架（paddle框架）。笔者是使用不习惯。

autoDL云服务器进行深度学习教程

1、购买autoDL云服务器

 云服务器地址为：AutoDL-品质GPU租用平台-租GPU就上AutoDL ，进去注册账号后，进入算力市场，选择区域，服务器离你所在距离越近，传输速率越高。先选择区域，在选择你所需要的显卡型号，在选择云服务器，你可以根据云服务器的不同规格来选择你所需的服务器，当然价格也是有所不同。

根据自己所需，选择其中GPU显卡数量，首次租用云服务器，选择平台镜像，服务器会自动安装pytorch所需要的环境配置。当你运行过自己的项目后，并保存为镜像后，你就可以用你自己的镜像。笔者第一次用的平台镜像为：pytorch1.11.0+python3.8+cuda11.3 版本，服务器运行系统均为Linux  Ubuntu。而且该系统比较好的是他已经自带安装了miniaconda，很多常用的依赖库已经安装好了。

创建案例后，进入控制台，如图10所示。

 图10

 2、向服务器上传项目数据

方式1：首先进入图10中1（JupyterLab）位置，在如下界面中点击上传数据。

1. 公网网盘，直接使用阿里云盘、百度网盘上传下载数据，强烈推荐
2. AutoDL网盘 上传数据，优点简单而且不用开实例，缺点是网页不支持上传文件夹
3. JupyterLab上传，和网盘类似，优点简单，但是只支持文件不支持文件夹
4. scp命令支持文件和文件夹上传下载，由于是命令行执行，上手难度稍高
5. FileZilla软件支持文件和文件夹，拖拉拽即可上传下载，推荐使用
6. XShell软件支持管理SSH连接，而且集成了xftp，支持拖拉拽上传下载文件夹/文件，推荐使用

3、解压服务器上的项目数据

方式1：

由于安装的zip、rar包等都只能解压或压缩某一种压缩包，这里提供一个小工具，支持解压格式：.tar， .zip， .rar， .7z，支持压缩/打包格式：.zip，.tar

# 下载安装工具 curl -L -o /usr/bin/arc http://autodl-public.ks3-cn-beijing.ksyun.com/tool/arc && chmod +x /usr/bin/arc # 压缩/打包 arc compress xxx.zip path/to/directory # 解压 arc decompress xxx.zip 或者解压到指定目录 arc decompress xxx.zip path/to/directory 

有个别zip的压缩包使用上边的命令以及unzip命令都不能解压时，先检查文件大小，如果文件大小和源文件一样，那么尝试下面的命令解压：

apt-get update && apt-get install -y fastjar jar xvf xxx.zip

方式2：

命令：zip、unzip、tar

zip和unzip分别正对与zip的压缩包压缩和解压，tar是Linux另外一种更通用的压缩解压工具

# zip和unzip。如果没有zip请使用apt-get update && apt-get install -y zip安装 user@seeta:/tmp/$ zip -r dir.zip test_directory/ # 将test_directory文件夹压缩为dir.zip文件 user@seeta:/tmp/$ unzip dir.zip # 将dir.zip文件解压 # tar. 以下参数c代表压缩，x表示解压，z代表压缩/解压为gz格式的压缩包 user@seeta:/tmp/$ tar czf dir.tar.gz test_directory/ # 将test_directory文件夹压缩为dir.tar.gz文件 user@seeta:/tmp/$ tar xzf dir.tar.gz # 将dir.tar.gz文件解压 # tar还可以用于压缩和解压其他格式的压缩文件，比如bz2 user@seeta:/tmp/$ tar cjf dir.tar.bz2 test_directory/ # 将test_directory文件夹压缩为dir.tar.bz2文件 user@seeta:/tmp/$ tar xjf dir.tar.bz2 # 将dir.tar.bz2文件解压

4、终端训练

方式一：在打开的JupyterLab页面中打开终端来执行（笔者推荐使用）。只要jupyterlab不出现重启（几乎不会），jupyterlab的终端就会一直运行，无论是本地主机断网还是关机。

 运行代码：python xxx.py或者执行某个文件夹下的代码文件：python+该执行文件的路径。

在使用JupyterLab长时间跑代码的过程中强烈建议对日志重定向，防止断网后中间的日志没有了。使用方法：

# 日志重定向到train.log文件。即在你的命令后加上：> train.log 2>&1 python xxx.py > train.log 2>&1 # 实时查看日志 tail -f train.log

方式二：如需使用其他IDE远程开发，请参考VSCode(推荐)和PyCharm （推荐调试代码使用）

4.1 远程IDE

当远程IDE进行代码运行时，需要采取守护进程，好保护程序在运行时，防止断网导致程序运行中断。  守护进程方法 。

4.2  代码执行结束自动关机

不确定自己的代码需要执行多久结束，希望执行完成后立马关机。这类场景可以通过shutdown命令来解决。

# 假设您的程序原执行命令为 python train.py # 那么可以在您的程序后跟上shutdown命令 python train.py; shutdown # 用;拼接意味着前边的指令不管执行成功与否，都会执行shutdown命令 python train.py && shutdown # 用&&拼接表示前边的命令执行成功后才会执行shutdown。请根据自己的需要选择 

或者在您的Python代码中执行shutdown命令，例如：

import os if __name__ == "__main__": # xxxxxx os.system("shutdown")

4.3  查看GPU信息

命令：nvidia-smi

user@seeta:/tmp/test_directory$ nvidia-smi Mon Nov 8 11:55:26 2021 +-----------------------------------------------------------------------------+ | NVIDIA-SMI 440.82 Driver Version: 440.82 CUDA Version: 10.2 | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | |===============================+======================+======================| | 0 TITAN X (Pascal) Off | 00000000:01:00.0 On | N/A | | 31% 57C P0 66W / 250W | 408MiB / 12194MiB | 2% Default | +-------------------------------+----------------------+----------------------+ | 1 TITAN X (Pascal) Off | 00000000:04:00.0 Off | N/A | | 93% 27C P8 11W / 250W | 2MiB / 12196MiB | 0% Default | +-------------------------------+----------------------+----------------------+ +-----------------------------------------------------------------------------+ | Processes: GPU Memory | | GPU PID Type Process name Usage | |=============================================================================| | 0 1450 G /usr/lib/xorg/Xorg 32MiB | | 0 2804 G /usr/lib/xorg/Xorg 351MiB | +-----------------------------------------------------------------------------+ 

Memory-Usage # 内存的使用情况 408MiB / 12194MiB # 前者408MiB代表已使用的显存，后者12194MiB代表总现存 

GPU-Util # GPU的使用率 2% # 使用率百分比 

如果需要不停的输出GPU占用信息，那么使用nvidia-smi -l 1每隔1秒输出一次，或使用watch -n 1 nvidia-smi也是同样的效果

4.4  查看进程的CPU和内存占用

方法1：命令：top

Tasks: 11 total, 2 running, 9 sleeping, 0 stopped, 0 zombie %Cpu(s): 2.3 us, 1.3 sy, 0.0 ni, 96.3 id, 0.0 wa, 0.0 hi, 0.0 si, 0.0 st KiB Mem : +total, +free,  used,  buff/cache KiB Swap:  total,  free, 0 used. +avail Mem PID USER PR NI VIRT RES SHR S %CPU %MEM TIME+ COMMAND 2316 root 20 0 21.846g 1.796g  R 101.4 0.4 0:05.56 python 58 root 20 0  84804 15540 S 1.4 0.0 0:05.40 jupyter-lab 59 root 20 0  11288 7668 S 1.4 0.0 0:01.31 proxy 2395 root 20 0 45920 3940 3444 R 1.4 0.0 0:00.01 top 1 root 20 0 25368 3724 3404 S 0.0 0.0 0:00.07 bash 48 root 20 0 55060 24328 9728 S 0.0 0.0 0:00.33 supervisord 60 root 20 0 72304 5872 5140 S 0.0 0.0 0:00.01 sshd 61 root 20 0    S 0.0 0.1 0:04.16 tensorboard 146 root 20 0  6964 5296 S 0.0 0.0 0:00.04 server 338 root 20 0 25824 4312 3800 S 0.0 0.0 0:00.18 bash 481 root 20 0 25824 4544 4040 S 0.0 0.0 0:00.18 bash 

如果有高负载(CPU使用率高)的情况，那么一般进程都会排在最上边，根据进程名称可以进行确认。那么这个进程占用的CPU可以通过%CPU字段读取出来，内存更复杂一些，但是一般看RES字段就够了。比如上边第一个Python进程CPU的占用率是101.4%，内存使用大小是1.796g（Tips：如果内存显示的单位和上述不同，按e键切换）

方法2:  使用平台提供的实例监控功能查看更为简便

4.5  提升GPU性能

如果发现训练速度明显很慢时，先排除是实例本身的问题，尝试调整网络结构或batch size把GPU压满，如测试脚本能正常压满GPU，请按照以下方式进行排查和调优。

检查NumPy

该项中招率非常高，所以优先检查。

NumPy会使用OpenBlas或MKL做计算加速。Intel的CPU支持MKL，AMD CPU仅支持OpenBlas。如果使用Intel的CPU，MKL会比OpenBlas有几倍的性能提升（部分矩阵计算），对最终的性能影响非常大。一般来说AMD CPU使用OpenBlas会比Intel的CPU使用OpenBlas更快，因此不用过份担心AMD CPU使用OpenBlas的性能差。

如果您在使用Intel CPU，先验证自己使用的NumPy是MKL还是OpenBlas版本。

有以上mkl字样代表是MKL的版本。

在使用清华等国内的Conda源时，安装NumPy时默认会使用OpenBlas的加速方案，您使用conda install numpy安装时会发现如下OpenBlas相关的包：

所以为了安装MKL的NumPy，解决方法如下：

# 第一步：卸载当前的NumPy pip uninstall numpy (如果是conda安装的， conda uninstal numpy) # 第二步：删除国内的Conda源 echo "" > /root/.condarc # 第三步：重新安装NumPy conda install numpy 

如果以上步骤正确，那么在install numpy时将会看到：

重装NumPy以后再次执行您的程序，查看是否性能有提升。如果不是NumPy的原因，请继续看下文：瓶颈分析

 5、GPU选型

可以参考GPU选型  模型。

今天的文章
云服务器做深度学习推荐+autoDL云服务器进行深度学习教程分享到此就结束了，感谢您的阅读。