租用autodl显卡，完成sradsgan项目

1、登录autodl

www.autodl.com

租用显卡，选择“无卡模式开机”

PS：虽然“无卡模式开机”会省钱，但如果你选的是3090、2080Ti这种热门显卡，建议不要用无卡开机。不然你辛辛苦苦配置好的环境，等到要用的时候，发现显卡被人占用了——就只能复制镜像开新的SSH了。

2、连接pycharm的SSH

参考博客：

【手把手图文新手教程】PyCharm专业版连接AutoDl详细教程，输入登录指令和密码的格式需要特别注意。_pycharm连接autodl-优快云博客

3、配置JupyterLab环境

参考博客：

详细教程：AutoDL 如何配置深度学习环境？_autodl配置环境-优快云博客

需要注意，复制 source /root/miniconda3/etc/profile.d/conda.sh后，需要敲一行回车，然后再esc

4、anaconda配置环境

注意：sradsgan一定要用python3.7，千万别用3.8及以上的，scikit-image会版本冲突！

# 创建python3.7环境
conda create -n sradsgan python=3.7
conda activate sradsgan

pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

pip install scikit-image==0.15
pip3 install tensorflow-gpu==2.5.0
pip install pillow matplotlib==3.5.3 numpy==1.19.5 sewar mpmath opencv-python protobuf==3.19.0 tqdm thop

效果如下图：

安装时，torch版本可去官网查询：Previous PyTorch Versions | PyTorch

若出现版本冲突，询问豆包看看能不能改变某个包的版本。

验证torch、tensorflow的GPU是否安装成功（需要在插卡模式下才会显示true）

python
import torch
print(torch.__version__)   # 返回torch版本，末尾应当为+gpu
torch.cuda.is_available()  # 返回ture

import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))

5、pycharm连接SSH虚拟环境

解释器路径：/root/miniconda3/sradsgan/bin/python3.8

其余操作，参考博客：AutoDL平台租借GPU详解_租gpu-优快云博客

6、终端操作

因为前面是无卡模式，所以要先关机并保存镜像，然后开机。

程序的运行需要在Jupyter的终端上，使用Linux指令进行操作。也可使用pycharm终端进行操作。

以下是常用的指令：

cd ..            #返回上级一目录
cd 文件名        # 进入下一级目录
ls                # 查看当前目录文件

python test.py    # 运行test.py

pip install XXXX  # 在项目中下载包

pip install -r requirements.txt

特别的，如果import项目自带的包，但是报错（红）了，可以采取如下操作：

1、pycharm -> 设置 -> python解释器 -> 全部显示

2、如下图，选择import包的上一层路径

7、运行

省流：2080Ti寄了，我不知道是因为我代码的问题，还是单纯的模型要求比较高。哭

更新：3090也寄了，我调试的时候，发现有一段代码反复执行，然后导致x变得特别大。但我没本事修改，只能不了了之了。