云电脑使用收集

Colab使用

每天白嫖两小时微软云电脑

云端部署SD，真实白嫖8w显卡，5秒4图，超详细喂饭教程

Colab使用

点击查看原文

点击访问自己的google网盘

免费GPU——Colab平台使用

一、简介

colab是google提供的一个免费GPU的Jupyter云服务平台，可以应用各种流行库，如深度学习的pytorch，tensorflow和keras等。

二、colab使用

1，访问colab

https://colab.research.google.com/notebooks/welcome.ipynb

（注：访问google需要tz，这就需要科学上网才能注册、使用，有需要可以私我）

2，使用GPU

使用colab需要的项目是放在google的云端硬盘里的，下面是链接：https://drive.google.com/drive/my-drive。登录进去就可以新建colaboratory了

新建后更改运行时类型选择GPU

使用以下代码检查是否分配到GPU，点击左边运行或者Ctrl+shift都可。一般来说免费的会分配到Tesla K80。（这里需要说明一下因为colab为我们提供的是一个ubuntu虚拟机，所以终端命令前需要带 “!”）

!nvidia-smi

3，运行代码

3.1 挂载云端硬盘

colab运行原理实际上是分配给我们一台远程带GPU的主机，所以原始路径不是我们的云端硬盘，所以第一步我们必须先把谷歌云盘挂载到那台远程主机上。

点击“装载google云端硬盘”出现以下代码，出来一个框需要输入验证码，按提示点击链接复制输入即可。

from google.colab import drive

drive.mount('/content/drive')

3.2 目录

查看当前脚本目录，!pwd

修改目录cd +"复制的路径"（路径可以到左边导航栏右键点击路径目录进行复制）

cd /content/drive/MyDrive/Colab Notebooks/drive

3.3 运行程序

!python XXX.py

3.4 下面是几条常用命令

（1）上传文件

from google.colab import files

files.upload()

（2）解压文件

!unzip "压缩包路径" -d"解压路径"

（3）从github上拷贝项目，如下

!git clone https://github.com/tensorflow/tensorflow.git

（4）复制路径下文件

1）复制文件夹

import shutil

shutil.copytree("复制的文件夹", "目标路径——新文件夹名")

2）复制单个文件

import shutil

shutil.copy("复制的文件夹", "目标路径——新文件夹名")

三、扩存云端硬盘

云端硬盘中我的云端硬盘只有15G，刚上传没几个文件空间就不够用了，开colab pro需要$9.9，而且还需要开通visa信用卡，对于学生来说实在不方便，所以在此推荐一个共享云端硬盘使用方法（每个共享云盘150G存储空间）。

开启共享云盘步骤：

点击链接https://td.msgsuite.workers.dev/，按照要求填写共享云盘名称google邮箱、选择机构，再进行验证就可以了。

四、避免colab训练过程中掉线

colab理论上最多可以连续工作12小时（实际达不到），之后便会重新分配资源，但在此期间也会因网络原因或过就没有交互而导致disconnect情况，因此下面提供几行代码解决这一问题，若训练时间超过12小时断开，那就不适用了。

按F12进入console，输入以下代码enter一下就可以实现一分钟点击一次。

function ConnectButton(){

    console.log("Connect pushed"); 

    document.querySelector("#top-toolbar > colab-connect-button").shadowRoot.querySelector("#connect").click() 

}

setInterval(ConnectButton,60000);

分享就到这里，有什么问题大家再互相补充、讨论。

云端部署SD，真实白嫖8w显卡，5秒4图，超详细喂饭教程

注册地址：https://openi.pcl.ac.cn/user/sign_up?sharedUser=sep

镜像：192.168.242.22:443/default-workspace/2a72307689ae49758c80c896fffda0a1/image:SD-Webui_v1.9.4_backup

cp -r  /sd/stable-diffusion-webui   /tmp/code

cd  /tmp/code/stable-diffusion-webui

python launch.py --xformers --api

ssh -R 80:127.0.0.1:7860 nokey@localhost.run

获得地址

Torch is not able to use GPU; add --skip-torch-cuda-test to COMMANDLINE_ARGS variable to disable this check 

这个错误消息表明你的 PyTorch 安装无法访问你的 GPU。以下是问题分解和解决方法：

理解错误

Torch: 指的是机器学习库 PyTorch。

GPU: 图形处理器，专为快速并行处理而设计，对于加速深度学习任务至关重要。

--skip-torch-cuda-test: 一个命令行标志，告诉你的脚本绕过对 GPU 可用性的检查。

发生这种情况的原因

没有支持 CUDA 的 GPU: 你的系统可能没有配备支持 CUDA 的专用 NVIDIA GPU。PyTorch 主要依赖 CUDA 进行 GPU 加速。

驱动程序错误或缺失: 即使拥有兼容的 GPU，过时或缺失的 NVIDIA 驱动程序也会阻止 PyTorch 使用它。

PyTorch 安装问题: 你的 PyTorch 安装可能未配置为使用 GPU。如果你安装的是仅限 CPU 的版本，则很常见这种情况。

解决方案

1. 验证 GPU 和驱动程序设置

检查 NVIDIA GPU:

Windows: 打开设备管理器，查看“显示适配器”下方。

Linux: 在终端中运行 lspci | grep -i nvidia。

驱动程序状态:

Windows: 右键单击桌面，选择“NVIDIA 控制面板”（如果已安装）。

Linux: 使用 nvidia-smi 等工具（如果已安装）。确保驱动程序是最新的。

2. 安装/更新驱动程序

下载最新驱动程序: 访问 NVIDIA 网站 (https://www.nvidia.com/Download/index.aspx)，选择你的 GPU 型号，并下载适用于你的操作系统的相应驱动程序。

安装/更新: 按照屏幕上的说明安装或更新驱动程序。

3. 重新安装 PyTorch（支持 CUDA）

卸载现有 PyTorch: pip uninstall torch torchvision torchaudio

安装支持 CUDA 的 PyTorch: 使用 PyTorch 官方安装说明 (https://pytorch.org/)，并仔细选择适用于你的操作系统、CUDA 版本和 Python 版本的选项。例如，对于使用 CUDA 11.7 的 Linux：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

4. 使用 --skip-torch-cuda-test 标志（临时）

添加标志: 修改你的脚本或命令以包含 --skip-torch-cuda-test。这会告诉你的代码忽略 GPU 检查并在 CPU 上运行。

注意: 这是一个临时解决方法。这意味着你的代码在没有 GPU 加速的情况下运行速度会慢得多。

重要提示：

CUDA 版本兼容性: 确保你安装的 CUDA 版本与你正在安装的 PyTorch 版本支持的版本匹配。你可以在 PyTorch 网站上查看兼容版本。

系统要求: 深度学习，尤其是使用大型数据集时，可能要求很高。确保你的系统满足 PyTorch 和你打算训练的模型的最低要求。

如果你仍然遇到问题，请提供以下信息以获取更具体的指导：

操作系统:（例如，Windows 10、Ubuntu 20.04）

GPU 型号:（如果适用）

CUDA 版本:（如果已安装）

PyTorch 版本:（使用 pip show torch 检查）

相关代码段:（你尝试使用 GPU 的部分）