目录
[📌 摘要：AutoDL平台使用全流程指南](#📌 摘要：AutoDL平台使用全流程指南)
[1.1 简介](#1.1 简介)
[1.2 核心功能](#1.2 核心功能)
[1.3 AutoDL 的优势](#1.3 AutoDL 的优势)
[1.4 示例场景](#1.4 示例场景)
[2.1 进入官网](#2.1 进入官网)
[2.2 选择服务器](#2.2 选择服务器)
[2.3 查看配置信息](#2.3 查看配置信息)
[扩展知识点：AutoDL 平台中「1卡」与「2卡」](#扩展知识点：AutoDL 平台中「1卡」与「2卡」)
[3.1 VScode中下载Remote-SSH插件](#3.1 VScode中下载Remote-SSH插件)
[3.2 连接服务器](#3.2 连接服务器)
[3.3 查看数据盘位置](#3.3 查看数据盘位置)
[3.4 安装高级 GPU 监控工具](#3.4 安装高级 GPU 监控工具)
📌 摘要：AutoDL平台使用全流程指南
本文详细介绍了 AutoDL 平台的使用方法，从平台简介、服务器租用、VSCode远程连接，到高级GPU监控工具的安装，适合中文开发者快速上手深度学习任务。
一、AutoDL介绍
1.1 简介
AutoDL 是一个面向开发者和 AI 初学者的 深度学习在线训练平台，支持在线上传数据、选择模型、训练微调，并可生成 API 进行部署调用，目标是**"让训练大模型像点外卖一样简单"**。
AutoDL 是一个适合中文开发者使用的"云端深度学习训练与部署平台"，零代码快速上手模型微调与应用上线，非常适合教学、实验、原型开发和中小企业使用。
1.2 核心功能
| 功能 | 说明 |
|---|---|
| 🖥 在线训练 | 无需本地安装环境，网页端即可上传数据、启动训练 |
| 🧠 模型支持 | 支持 BERT、LLaMA、ChatGLM、Qwen、Whisper 等多种模型 |
| 💾 数据上传 | 可直接上传 CSV、JSON、TXT 等格式数据 |
| 🔁 微调支持 | 支持分类、生成、问答、指令微调等任务类型 |
| 🚀 快速部署 | 一键部署 API，可用于网页、微信小程序等调用 |
| 📊 可视化 | 提供训练过程图表、模型评估指标、混淆矩阵等展示 |
| 🛠 自定义配置 | 可调学习率、batch size、LoRA 参数等（专业模式） |
1.3 AutoDL 的优势
| 优点 | 描述 |
|---|---|
| ✅ 零环境配置 | 适合没有本地算力或不懂 PyTorch 的用户 |
| ✅ 中文友好 | 全中文界面，适合国内初学者与中小团队 |
| ✅ 轻量微调 | 支持 LoRA、Prefix 等参数高效微调方式 |
| ✅ 模型上线快 | 训练完成后生成接口或网页 demo，可直接上线 |
| ✅ 自动化高 | 类似"AI 训练托管平台"，开箱即用、简化流程 |
1.4 示例场景
-
上传客服问答语料，微调一个 ChatGLM 模型，生成客服对话 API
-
上传情感评论数据（正/负），微调 BERT 做情感分类
-
上传语音音频，使用 Whisper 模型完成语音转文本
-
上传公司文档，用向量检索 + 大模型问答做企业知识助手
二、租用云服务器
2.1 进入官网
AUtoDL官网地址：AutoDL算力云 | 弹性、好用、省钱。租GPU就上AutoDL
登录账号
2.2 选择服务器
选择之前，先去充一定额度，选择【自定义】，根据情况充即可，可以一点一点充；
选择服务器
选择【基础镜像】，其余步骤如下图
创建成功，
2.3 查看配置信息
1、点击jupterLab，进入开发界面；
2、选择【终端】
该界面可用来对服务器进行操作；
3、查看服务器配置信息
nvidia-smi
可以发现，显卡是3090，显存是24GB
扩展知识点：AutoDL 平台中「1卡」与「2卡」
1、什么是「1卡」「2卡」？
在 AutoDL 平台中，「卡」指的是 显卡数量（GPU） 。
训练任务会分配对应数量的显卡资源给你：
| 配置 | 含义 | 适合场景 |
|---|---|---|
| 1卡 | 分配 1 块 GPU（如 A100-80G） | 小模型微调、小数据集、单任务 |
| 2卡 | 分配 2 块 GPU（并行训练） | 大模型微调、大数据集、训练提速 |
2、二者的核心区别
| 对比项 | 1卡 | 2卡 |
|---|---|---|
| 💻 计算能力 | 单块 GPU，算力有限 | 双卡并行，训练更快 |
| 🧠 可训练模型大小 | 支持中小模型（如 BERT、小型 LLaMA） | 支持大模型（如 ChatGLM3-6B、Qwen-7B） |
| ⏱ 训练速度 | 相对较慢 | 更快（尤其在大 batch / 多样本时） |
| 🧾 资源费用 | 较低（适合试验） | 较高（更适合正式训练） |
| 🧰 编程复杂度 | 逻辑简单，无需分布式 | 背后自动使用 PyTorch DDP（无需你手动处理） |
3、举个例子
-
你想微调一个 BERT 模型做情感分类，只有几千条文本 → 用 1卡 就足够
-
你想微调 ChatGLM-6B 模型，样本几万条，每轮训练很慢 → 建议用 2卡
4、一句话总结
1卡 = 基础版：适合中小模型、原型验证；2卡 = 加强版：适合大模型、大数据，更快更强。
三、VScode连接服务器
前提：安装好VS Code
3.1 VScode中下载Remote-SSH插件
Remote-SSH 是 VSCode 插件，用于通过 SSH 远程连接服务器，在本地界面中像操作本地一样编辑、运行、调试远程代码。
3.2 连接服务器
到Autodl中，复制【登录指令】
回到vscode→电脑图标→点击SSH后的"+"图标 →粘贴复制的【登录指令】
这时会出现.ssh的配置路径，选择电脑默认账户即可；
选择完后，右下角出现连接弹窗，点击【连接】
点击连接后，会出现一个新的VScode窗口，就是服务器窗口
再到Autodl中复制服务器【密码】
新VScode窗口（服务器窗口）：
选择【Linux】→继续→粘贴【密码】
打开文件→确定
在输入框中在粘贴一次【密码】
到这里，服务器就连接成功了，之后就可以通过服务器做开发了。
3.3 查看数据盘位置
在租用不同的服务器时，文件结构可能会有所不同，我们可以直接通过终端查看数据盘和系统盘的位置，因为在做微调时，一般是把模型存放在数据盘中。
3.4 安装高级 GPU 监控工具
#安装高级 GPU 监控工具
pip install nvitop
#启动工具
nvitop在终端输入【pip install nvitop】 ,执行安装依赖
输入【nvitop】，启动工具后，就能够通过终端实时查看GPU的实时状态了；
启动该工具后，该终端也将无法再进行操作，可以新建一个【终端】执行其他操作；
