AutoDL云服务器租用与深度学习环境配置实战指南

系列说明：深度学习项目开发中，强大的算力是训练模型的基石。本篇聚焦于如何快速上手 AutoDL 平台，租用高性价比 GPU 云服务器，并完成文件传输与远程开发环境的配置，让你能够高效运行 YOLO 等目标检测模型的训练任务。

---

一、为什么选择 AutoDL 云服务器？

在本地硬件配置有限的情况下，云服务器成为深度学习开发者的首选。AutoDL 作为国内领先的 GPU 云算力平台，具备以下优势：

特性	说明
丰富 GPU 型号	提供 RTX 3090、RTX 5000、A100 等多种高端显卡
按量计费	开机才计费，不用不花钱
预装环境	支持 PyTorch、TensorFlow 等主流框架镜像
高速传输	支持大文件快速上传下载
简洁易用	网页端一键租用，无需复杂配置

图1：AutoDL 平台首页，清晰展示各类 GPU 资源与价格

---

二、租用 GPU 服务器：从注册到开机

2.1 账号注册与登录

访问 AutoDL 官网，完成以下步骤：

1. 使用手机号或邮箱注册账号；
2. 完成实名认证（按平台要求提交身份证信息）；
3. 充值余额（支持支付宝、微信支付）。

2.2 选择 GPU 与实例配置

登录后进入控制台，点击「租用主机」，进入实例配置页面。

图2：AutoDL 实例配置页面，可选择 GPU 型号、镜像、系统盘等

关键配置项说明：

配置项	推荐选择	说明
GPU 型号	RTX 3090 / RTX 5000	性价比高，显存充足
镜像	PyTorch 2.0+ / Ubuntu	预装深度学习环境
数据盘	50GB~100GB	用于存储数据集
计费模式	按量计费	随用随开，灵活控制成本

小贴士：首次使用建议选择「社区镜像」，里面包含常用的 JupyterLab、Python 环境，可直接上手。

2.3 开机与连接

配置完成后点击「立即租用」，等待实例启动。启动成功后，你会获得以下连接信息：

• SSH 地址：如 username@hostname.autodl.com
• SSH 端口：通常为 22
• 密码：自动生成或自定义

---

三、文件传输：使用 FileZilla 上传数据集

训练深度学习模型需要上传数据集和代码，FileZilla 是 Windows 下最常用的 SFTP 客户端之一。

3.1 安装与配置 FileZilla

下载安装 FileZilla Client 后，需要配置 SFTP 连接：

1. 打开 站点管理器（快捷键 Ctrl+S）；
2. 点击「新站点」，填写以下信息：
   • 协议：选择 SFTP - SSH File Transfer Protocol
   • 主机：填写 AutoDL 提供的 SSH 地址
   • 端口：填写对应的端口号（默认 22）
   • 登录类型：选择「正常」
   • 用户名/密码：填写 AutoDL 提供的信息

图3：FileZilla 站点管理器配置界面，填写服务器连接信息

3.2 上传文件

连接成功后，左侧为本地文件目录，右侧为服务器目录。只需将本地文件拖拽到右侧目录即可上传。

图4：FileZilla 文件传输界面，左侧本地文件，右侧服务器目录

推荐上传结构：

/root/
├── datasets/          # 数据集文件夹
├── yolov5/           # YOLOv5 代码
├── weights/          # 预训练权重
└── outputs/          # 训练输出

传输速度优化：传输大文件时，建议开启「压缩」模式，可提升传输效率。

---

四、远程开发：VSCode + Remote SSH

FileZilla 解决了文件传输问题，但编写和调试代码还需要一个顺手的编辑器。VSCode 的 Remote SSH 插件让远程开发像本地一样流畅。

4.1 安装 Remote SSH 插件

打开 VSCode，按 Ctrl+Shift+X 打开扩展市场，搜索并安装：

• Remote - SSH

• Remote - SSH: Editing Configuration Files

  

图5：VSCode 扩展市场搜索 Remote SSH 插件

4.2 配置 SSH 连接

安装完成后，按以下步骤配置：

1. 按 F1 打开命令面板，输入 Remote-SSH: Open Configuration File；
2. 选择 ~/.ssh/config 配置文件；
3. 添加服务器配置：

Host autodl-server
    HostName hostname.autodl.com
    User root
    Port 22
    IdentityFile ~/.ssh/id_rsa  # SSH 密钥路径

图6：VSCode SSH 配置文件，添加服务器连接信息

4.3 连接远程服务器

配置完成后，按 F1 输入 Remote-SSH: Connect to Host，选择刚才配置的 autodl-server，输入密码即可连接。

图7：VSCode SSH 连接成功界面，底部显示远程连接状态

首次连接：如果连接失败，检查以下几点：

• SSH 地址、端口号是否正确
• 密码是否输入正确
• 服务器是否已开机

4.4 在远程服务器上开发

连接成功后，你可以在 VSCode 中：

• 打开远程文件夹（Ctrl+K Ctrl+O）
• 安装 Python、YOLO 等插件到远程服务器
• 打开终端直接运行命令
• 使用断点调试功能

---

五、运行第一个训练任务

环境配置完成后，让我们运行一个实际的训练任务。以下以 YOLOv5 为例：

5.1 安装依赖

# 克隆 YOLOv5 仓库
git clone https://github.com/ultralytics/yolov5.git
cd yolov5

# 安装依赖
pip install -r requirements.txt

5.2 修改数据配置

编辑 data/coco128.yaml 或创建新的数据配置文件：

path: /root/datasets/my_data
train: images/train
val: images/val

nc: 2  # 类别数量
names: ['mask', 'no_mask']  # 类别名称

5.3 开始训练

python train.py --img 640 --batch 16 --epochs 100 --data coco128.yaml --weights yolov5s.pt

参数	说明
--img 640	输入图像尺寸
--batch 16	批次大小，根据显存调整
--epochs 100	训练轮数
--data	数据集配置文件
--weights	预训练权重

显存不够？：如果提示显存不足，尝试减小 --batch 值或使用更小的模型（如 yolov5n.pt）。

5.4 监控训练过程

训练过程中可以：

• 查看终端输出的 loss 曲线
• 使用 TensorBoard 实时可视化：tensorboard --logdir runs/
• 检查 runs/exp/weights/ 目录下的模型权重

---

六、常见问题与解决方案

问题	原因	解决方案
SSH 连接超时	服务器未开机或网络问题	确认实例已开机，检查本地网络
FileZilla 传输失败	密码错误或权限不足	检查用户名密码，尝试重新连接
VSCode 插件无法安装	远程服务器网络问题	使用 pip 手动安装所需包
训练过程显存不足	批次大小过大	减小 --batch 值
GPU 利用率低	数据加载瓶颈	启用多线程数据加载

---

七、小结

本篇详细介绍了从零开始在 AutoDL 平台租用 GPU 云服务器的全流程：

1. 注册账号 → 完成实名认证与充值
2. 配置实例 → 选择 GPU 型号、预装镜像
3. 文件传输 → 使用 FileZilla 上传数据集与代码
4. 远程开发 → VSCode + Remote SSH 实现本地般开发体验
5. 运行训练 → 快速启动 YOLO 模型训练任务

掌握了这些基础技能后，你就可以将本地开发环境无缝迁移到云端，充分利用 GPU 算力加速深度学习项目的开发与迭代。

---

附录：AutoDL 使用技巧

A1. 定时开关机

在 AutoDL 控制台设置定时开机/关机任务，合理规划使用时间，节省费用。

A2. 镜像市场

利用社区镜像快速部署常用环境，如目标检测、NLP、图像分割等，减少手动配置时间。

A3. 数据持久化

关机前务必将重要数据下载到本地，或使用 AutoDL 提供的持久化存储功能，避免数据丢失。

A4. 费用监控

定期查看账单详情，设置预算提醒，防止意外超额扣费。

---

参考资源

1. AutoDL 官方文档：https://www.autodl.com/docs
2. FileZilla 官方下载：https://filezilla-project.org
3. VSCode Remote SSH：https://code.visualstudio.com/docs/remote/ssh