ATUO DL实现入门级项目实战——MNIST手写数字识别
1.打开pycharm，点击新建项目。
2. 而后选择自定义解释器，环境选择现有，类型为conda，下拉环境选项框选择刚刚创建的环境（mllearn)，而后点击创建。
3.进入项目，后台会更新python解释器以及索引（这里要等待一会）。
https://pan.baidu.com/s/1k3gh4VWgG7Doe-0ogws41Q?pwd=hxwv 提取码: hxwv
下载项目后，解压到pycharm创建项目所在路径。
点击项目名称，右键选择打开于路径，即可看到项目所在路径。
解压之后即可看到左栏多了一个名为mnist.py的文件。
点击开始运行会自动从torchvision库下载MNIST数据集，左栏会多一个data文件目录。
而后等待epoch训练完即可。
当项目部署在服务器上时，电脑就可以“解放”出来，用于处理其他事务，CPU也不用承担那么大的负担。小编本人使用的是MacBook，但受限于没有GPU，因此更倾向于在服务器上跑代码。
小编选用的是AUTO—DL。
https://www.autodl.com/home
，输入手机号即可注册成功。
注册成功后，点击登录，若是学生，依次点击控制台->点击下方截图中的按钮通过教育邮件进行认证。
认证成功后，会出现下图所示。
而后依次点击控制台->容器实例->租用新实例，会出现下图。
根据自己需要的配置选择合适的进行租用。
1.新手适合选择按量计费，比较节约。
2.地区通常选择带有上角标的地区。
3.选择主机时，要选择空闲主机较多的，否则容易被挤下线或无法租借。
选择合适的基础镜像，此处可以跟我保持一致。
点击立即创建，下图为创建成功后的画面。
平时不用一定要点击关机，否则会持续按小时计费。
在无卡开机的情况下，点击JupterLab。
点击终端，进入Linux终端。
输入：vim ~/.bashrc
出现以下页面，划到最下方。
开始进行编辑：键盘输入i，最后一行出现—INSERT—
光标移动到文件的最后一行，加上source /root/miniconda3/etc/profile.d/conda.sh
保存并退出：按Esc键，输入:wq，再回车
输入bash重启终端（刷新一下）
此步与在本地设置创建新环境类似
1.激活conda base环境
conda activate base
conda create
mllearn_new
conda activate mllearn_new
pytorch torchaudio torchvision
matplotlib
conda-forge torchinfo
此过程有点慢，需耐心等待亲测。直接选择有卡开机（即正常开机）下载速度更快
5.jupyter页面更新
ipython kernel
mllearn_new
刷新一下页面，jupyter页面里会增加一个刚刚创建的环境mllearn_new。
验证环境是否配置成功
点击mllearn，在第一行输入框内输入以下代码
torchvision
torchvision.__version__
torch.cuda.is_available
若出现以下则表示成功。
4.pycharm连接AutoDl
必须是pycahrm专业版！！，否则无法连接
4.1打开pycharm，依次点击
设置->项目：mllearn->添加解释器->SSH。
4.2建立ssh连接
ssh -p 33099 [email protected]
connect.cqa1.seetacloud.com
MGEWGXsnr5MH
ps:表格内的登指令和密码从AutoDl实例页面得到，从中得到主机，端口号和用户名。
4.4输入所有信息后，点击下一步，点击确定后输入密码。
4.5内省服务器成功后，点击下一步。
4.6出现服务器该项目的存储路径，此处要选择conda环境，选择自动上传，即可实现本地与服务器同步。
回到Auto-Dl,找到创建的mllearn环境路径。
点击Conda环境->使用现有环境->选择mllearn。
依次点击工具->部署->浏览远程主机。
上一步的同步文件夹即可找到该项目
双击打开显示该文件与远程文件相同，每次在本地修改该文件，服务器端的文件会自动更新。
依次点击终端->下拉箭头选择当前服务器。
直接点击pycharm的运行即可。
也可以选择在网页的jupterlab运行。
pycharm_project_582
python mnist.py
shutdown的作用是在代码运行结束后，云主机会自动关机，以防止再产生不必要消费。
恭喜你完成了这个深度学习入门项目！通过本文，你已经成功搭建了本地和服务器上的深度学习环境，并运行了MNIST手写数字识别项目。
小编第一次写blog，还有不足敬请见谅，欢迎在评论区留言补充。
