AutoDL租完GPU服务器别慌！手把手教你用Xshell/Xftp搞定登录、传文件和环境配置

AutoDL租完GPU服务器别慌！手把手教你用Xshell/Xftp搞定登录、传文件和环境配置

刚租完AutoDL的GPU服务器，看着陌生的Linux终端一脸茫然？别担心，这篇文章将带你从零开始，用最经典的Xshell/Xftp工具组合，一步步完成从登录到环境配置的全过程。无论你是想跑大模型还是做深度学习训练，这套方法都能让你快速上手。

1. 准备工作：获取连接信息与工具安装

在开始之前，你需要准备好两样东西：AutoDL提供的SSH连接信息和必要的工具。登录AutoDL控制台，找到你租用的实例，点击"SSH登录"按钮，你会看到类似这样的信息：

ssh -p 19267 root@connect.bjb1.seetacloud.com 密码：********

这个信息包含三个关键部分：

• 端口号：19267（每次租用实例都会不同）
• 用户名：root
• 主机地址：connect.bjb1.seetacloud.com

接下来安装必要的工具：

• Xshell：用于SSH连接和命令行操作
• Xftp：用于文件传输（通常与Xshell捆绑安装）

提示：Xshell和Xftp有免费的家庭/学校版，足够满足大多数开发需求。

2. 使用Xshell建立SSH连接

打开Xshell，按照以下步骤建立连接：

1. 点击"文件"→"新建"
2. 在弹出的会话属性窗口中填写：
   • 名称：AutoDL（可自定义）
   • 主机：connect.bjb1.seetacloud.com
   • 端口号：19267（替换为你实际的端口）
3. 点击"用户身份验证"：
   • 方法：Password
   • 用户名：root
   • 密码：粘贴AutoDL提供的密码

首次连接时会弹出SSH安全警告，勾选"接受并保存"即可。连接成功后，你会看到Linux命令行提示符，表示已经成功登录到远程服务器。

常见问题排查：

• 连接超时：检查网络是否正常，确认AutoDL实例处于运行状态
• 认证失败：确认密码是否正确，注意不要有多余空格
• 端口错误：确认使用的是SSH端口而非其他服务端口

3. 使用Xftp传输文件

在Xshell中，你可以直接点击工具栏上的Xftp图标启动文件传输。Xftp界面分为左右两栏：

• 左侧：本地电脑文件系统
• 右侧：远程服务器文件系统

文件传输的几种方式：

1. 拖拽：直接拖拽文件或文件夹到另一侧
2. 右键菜单：选择"传输"
3. 快捷键：F5上传，F6下载

注意：AutoDL服务器上有几个重要目录需要了解：

• /root：系统盘，存放系统文件和配置
• /root/autodl-tmp：数据盘（100G），建议存放大文件如模型数据
• /root/miniconda3：预装的conda环境目录

对于大模型文件（通常几十GB），建议直接传输到/root/autodl-tmp目录，避免占用系统盘空间。

4. 配置Python环境

AutoDL服务器预装了Miniconda，我们可以利用它创建隔离的Python环境。以下是一个典型的环境配置流程：

# 创建新环境 conda create -n myenv python=3.10 -y # 激活环境 conda activate myenv # 安装常用包 pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 pip install transformers datasets

环境配置技巧：

1. 为不同项目创建独立环境，避免包冲突
2. 使用清华镜像加速下载：

   pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

3. 大模型依赖项较多，建议先安装PyTorch再安装其他库

如果遇到CUDA相关错误，可以检查GPU是否可用：

nvidia-smi # 查看GPU状态 python -c "import torch; print(torch.cuda.is_available())" # 检查PyTorch是否能使用CUDA

5. 运行你的第一个程序

环境配置完成后，就可以运行你的代码了。假设你已经通过Xftp上传了一个Python脚本demo.py到/root/autodl-tmp目录：

cd /root/autodl-tmp conda activate myenv python demo.py

对于大模型项目，通常还需要下载预训练权重。AutoDL提供了学术加速功能，可以大幅提升下载速度：

# 开启学术加速 source /etc/network_turbo # 下载模型（示例） git lfs install git clone https://huggingface.co/THUDM/chatglm3-6b # 关闭学术加速 unset http_proxy && unset https_proxy

6. 实用技巧与问题排查

目录结构优化建议：

/root/ ├── autodl-tmp/ # 大文件、数据集、模型 │ ├── datasets/ │ └── models/ ├── projects/ # 项目代码 └── miniconda3/ # 环境

常见问题解决方案：

1. GPU不可用：

   export NCCL_P2P_DISABLE="1" export NCCL_IB_DISABLE="1"

2. 磁盘空间不足：

   • 使用df -h查看磁盘使用情况
   • 清理conda缓存：conda clean --all
   • 删除不需要的大文件

3. 连接断开：

   • 使用tmux或screen保持会话
   • 在Xshell中设置"保持活动"选项

性能优化技巧：

• 使用nvtop监控GPU使用情况
• 对于数据传输，可以先用tar打包小文件再传输
• 定期清理/tmp目录下的临时文件

掌握了这些基础操作后，你就可以充分利用AutoDL强大的GPU资源进行各种深度学习任务了。记住，遇到问题时先检查网络连接、GPU状态和磁盘空间，这三个是最常见的故障点。