如何使用百度的GPU來跑自己的項目

請先閱讀如下兩篇文章：

1. 白嫖百度GPU-TeslaV100筆記（在 AI Studio 上使用 tensorflow 和 pytorch 的方法）-親測可用
2. 免費使用谷歌GPU
   這裏谷歌是需要FQ的，考慮到大家能否出去的問題，所以選擇寫百度的文章，這裏默認你已經有了百度AI Studio的賬戶，如果沒有自行註冊。
   1.登陸百度 AI Studio 並按照教程創建新項目
   2.創建自己的數據集
    這裏上傳需要以壓縮包的形式
   3.啓動項目並進入控制檯
   4.下載 Anaconda3/Miniconda3 安裝腳本
   Miniconda3下載地址：https://repo.continuum.io/miniconda/
   5.安裝在 ~/work/*conda3 目錄
    這裏work目錄是用戶的工作目錄，重啓環境不會消失
    把下載的文件上傳至aistuidio，終端裏進入目錄並安裝sh文件：bash Miniconda3-4.7.12.1-Linux-x86_64.sh
   
   
    一直按enter或者yes直到：
   
    將Miniconda裝在 ~/work/*conda3 目錄下，work目錄的話重啓是不會消失的:
    一頓yes or y操作後Miniconda安裝成功：
   
   6.輸入命令 source ~/work/*conda3/bin/activate 進入 conda 環境
   輸入source ~/work/*conda3/bin/activate或者source activate進入conda環境
   
   
    可以看到這只是初始的base環境，可以創建一個自己的環境，這裏需要掌握一點conda命令，下邊給出幾個可能用到的：
     1.conda create -n env_name package_nameenv_name是環境的名字，package_name一般來說就寫python=3.X就好，例如conda create -n tjw python=3.7,然後就是再一頓yes or y來等待環境安裝成功
   
     2.conda info -e#顯示所有已經創建的環境
     2.conda activate env_name#切換環境
   7.安裝自己的框架，這裏以pytorch爲例，選擇自己合適的版本
    pytorch：https://pytorch.org/get-started/locally/
   
    這裏說明一下，你可能會問，我下載個GPU版本的pytorch，是不是需要先安裝配置CUDA環境，其實並不需要，因爲你選擇GPU的環境進來後，CUDA是已經配置好的，所以可以直接安裝GPU版的pytorch，這裏要查看一下cuda的版本cat /usr/local/cuda/version.txt
    等待安裝完成即可
   8.現在簡單的環境有了，需要處理一下最開始配置的數據集，這裏需要用命令行解壓，需要一點Linux知識，不懂自行百度，下圖是參考
    unzip mydata.zip -d mydatabak把/home目錄下面的mydata.zip解壓到mydatabak目錄裏面
   9.現在環境有了，數據集有了，剩下的就是上傳自己的項目代碼文件
    這裏因爲很多人項目原先都是在Windows底下，轉移到Linux上以後，代碼一般是需要略加改動的，例如你的數據集地址要替換成現在Linux下的地址，其他的根據自己的代碼情況而定，然後項目中用到的其他庫，自行安裝
   10.關於代碼怎麼搞比較好
    這裏啊，最便捷的做法是打包整個代碼，然後上傳，然後解壓一下就直接好了
    解壓完記得要改數據集的路徑啊，如果不熟悉Linux的vi或vim，也是可以直接在notebook裏編輯的
   
   10.這裏我跑一下我的代碼做個截圖
   
   最後說一下，這個用起來其實和自己本地的sublime是一模一樣的，唯一一點區別就是你可能要會用一點Linux解壓命令等，notebook裏邊是沒有解壓命令的，總的來說部署還是很簡單的，TensorFlow的話道理一樣，按這個思路一套走下來就好，再也不用爲找不到GPU發愁
   另外在補充一點啊，儘量避開管理員權限的操作，因爲密碼不知道是多少，可以自行百度，這裏我還沒看，其他的配置什麼的都不錯，終端也可以多個很方便。