跑实验有一天突然电脑卡住了，我吓了一跳，想起之前学长说的不要用自己笔记本电脑跑实验容易把电脑跑坏！！！游戏本虽然能跑，但是很慢不说显卡也挺脆的，跑坏了很麻烦，还是用远程服务器跑吧！！！自己的电脑就留着调试debug用！！！

打开pycharm

由于pycharm太笨重了，所以打开时选择当前要运行的项目即可，不要打开包含多个项目的大文件夹！！！
！！！注意连接远程服务器前，最好把这个项目拷贝一个副本，命名为project_remote，数据集和预处理后的训练集测试集都不要放在里面！数据集用FileZilla上传到数据盘更好更快点！！！

租借AutoDL远程服务器

从autodl算力平台官网上租借一个服务器，选择基础镜像，选择需要的torch和cuda版本，这个是我租的详细介绍：（1.98一小时还挺贵的）

注意：
这里租的服务器选择的基础镜像的版本就是最终用到的版本！！！
如果我选择的是PyTorch 2.7.0 / Python 3.12(ubuntu22.04) / CUDA 12.8，那么我运行代码时python的版本也是3.12！！！！而不是我在pycharm里面SSH连接时创建新环境选择的python版本！！！

SSH连接

pycharm打开本地项目project_remote后，先上传代码的话选择无卡模式开机，节约钱！！！然后打开pycharm的SSH连接，输入用户/主机/端口/密码，并创建环境，选择同步到远程主机的文件夹目录






点击创建新环境要等一会

这样就创建好了新的环境！pycharm会更新又需要等一会

浏览远程主机

点击：工具→部署→浏览远程主机


这里可以看到远程主机同步的文件夹，我发现没有数据集，这个文件夹500MB同步也挺慢的！！！

FileZilla上传数据到数据盘

根据autoDL官网的帮助文档，下载并安装FileZilla


点击连接，允许就可以连上远程主机了

这里选择root/autodl-tmp 这个是数据盘，可以新建一个data文件夹存放自己的数据，把数据放在这个数据盘里面更好！！！这样不容易崩系统盘！！！
数据存放路径：/root/autodl-tmp/data

然后从本地选择想要上传的数据集后，右键上传到远程服务器即可

白天上传速度挺慢的，最好晚上上传！！！

跑实验

实例克隆

因为刚刚上传数据是无卡模式开机，所以先要关机再重新开机！！！但很多时候关机后就会出现没有空闲的情况，好像包月的话就不会出现，根据我目前情况还是按量计费更适合哈哈！！！

关机后重新开机没有空闲GPU的话，可以克隆实例，选择另一台设备：

克隆还是挺快的，主机/端口号会变化
所以还是同样的SSH连接重复操作一遍，这里可以选择现有的环境，但是文件夹也需要同步（可以选择之前已经同步过的文件夹，实例克隆之后已经复制过去了）：

如果是要同步一个新的项目文件，需要等一段时间！！！更新python解释器（3min左右），上传文件（408 MB大概16min）

测试连接

这里可以查看新的连接是否成功：

上传同步文件

需要上传一个新文件夹时：先到部署–配置中新建一个映射，然后再上传

修改代码后记得及时上传代码文件

方法一：（有时候这个方式会失效，还是用的修改之前的代码，可以用方法二）

方法二：

打开远程终端

建议在终端运行代码！

一定要选择正确的端口号和主机！！！

运行代码

运行前先检查以下地方：

（1）相对路径格式：注意最开始没有斜杠/
（2）读取数据的路径在数据盘中：/root/autodl-tmp/

以下都在远程终端运行：

# 一键安装依赖包
pip install -r requirements.txt

# 运行数据预处理文件
cd /tmp/Myproject-remote
python -m preprocess.prepare_assist2017

# 运行 run 文件
cd /tmp/Myproject-remote
python -m run.MyKT.run

调试代码（连接远程服务器时）

首先在想要调试的地方插入语句：

import pdb;
pdb.set_trace() 

还是一样的方式运行代码，终端会出现 pdb 提示，可以根据自己的需求输入代码进行调试和查看：

常用的pdb 命令	作用
n	执行下一行
c	继续运行，直到下一个断点
p variable	打印变量的值
q	退出调试

关于路径

当前的执行命令是：

cd /tmp/MyKT_remote0806
python run/MyKT/run_Assist2017.py

这相当于从 MyKT_remote0806/ 目录启动脚本，而此时 Python 默认的 sys.path[0] 是 run/MyKT/，不是项目根目录 /tmp/MyKT_remote0806/

方法 1：在run_Assist2017.py脚本中动态添加项目根目录到 sys.path（推荐）

import sys
import os
# 添加项目根目录（如 /tmp/MyKT_remote0806）
sys.path.append(os.path.abspath(os.path.join(os.path.dirname(__file__), '../../')))

方法 2：使用 -m 参数从项目根目录运行（更专业）（远程服务器跑脚本推荐这个）
从项目根目录 /tmp/MyKT_remote0806/ 运行脚本，并使用模块方式：

cd /tmp/MyKT_remote0806
python -m run.MyKT.run_Assist2017

⚠️ 注意事项：

必须确保 models/、run/ 等目录中有 __ init __.py 文件（可以是空文件），否则不会被识别为模块包

这里我使用的方法2！！！
注意 run_Assist2017 脚本中路径都会变成根目录 MyKT_remote0806 ，所有读取文件的路径也需要对应上从根目录开始！！！

现在就开始训练了：

文件存储

文件存储在实例中的挂载目录为：/root/autodl-fs
如果想要将输出的日志文件存储下来，可以右键点击复制日志文件的绝对路径：

然后，在终端运行以下命令：

mkdir -p /root/autodl-fs/Log-new && cp 绝对路径放这里 /root/autodl-fs/Log-new/

mkdir -p /root/autodl-fs/Log-new 表示如果路径不存在则创建

监控远程服务器的GPU

可以打开jupyterlab

在终端输入：

nvidia-smi -l 5

就可以看到GPU的使用情况了，确实比自己的笔记本跑的快！！！

一些命令

#查看当前 Python 版本
python --version
python -V