相关文章推荐
帅气的面包  ·  Colab ...·  1 年前    · 
帅气的面包  ·  恒源云(GPUSHARE) | ...·  1 年前    · 

最近在跑论文,云服务器虽然有JupyterLab,但习惯了本地编译,试着用VSCode连接了一下,本来是方便自己查阅的笔记,也贴出来给需要的盆友,帮助大家轻松连接实例,无需耗费太多时间在环境部署上了。

大家都知道,VSCode是微软开发的一款跨平台代码编辑器,免费、开源并且支持扩展插件,使用Remote插件就可以连接到远程服务器上进行开发了。

本文将从VSCode的安装拓展、添加远程主机、连接远程主机、使用远程主机四个方面,以恒源云 gpushare.com 的RTX 3090机器连接,展开详细说明 ,大家可以参考一下,如果资源比较紧缺的盆友,也可以注册这个平台,亲测免费体验时长可以写完一篇发表论文,哈哈哈。

安装拓展

侧边栏点击 扩展 标签,搜索 Remote - SSH 插件点击安装。如果需要使用中文界面,再安装 Chinese (Simplified) 插件,重启后可显示中文。

添加远程主机

安装扩展后,在侧边栏点击 远程资源管理器 标签,点击

最近在跑论文,云服务器虽然有JupyterLab,但习惯了本地编译,试着用VSCode连接了一下,本来是方便自己查阅的笔记,也贴出来给需要的盆友,帮助大家轻松连接实例,无需耗费太多时间在环境部署上了。大家都知道,VSCode是微软开发的一款跨平台代码编辑器,免费、开源并且支持扩展插件,使用Remote插件就可以连接到远程服务器上进行开发了。本文将从VSCode的安装拓展、添加远程主机、连接远程主机、使用远程主机四个方面,以 gpushare.com 的RTX 3090机器连接,展开详细说明,大家可以
文章来源 | 恒源 社区(专注人工智能/深度学习 GPU 服务器 训练平台,官方体验网址:https:// gpushare .com/) 原文地址 |https:// gpushare .com/docs/best_practices/ vscode / VSCode 是微软开发的一款跨平台代码编辑器, 免费 、开源并且支持扩展插件。 使用 Remote 插件可以 连接 到远程 服务器 上进行开发。 侧边栏点击扩展标签,搜索 Remote - SSH 插件点击安装。如果需要 使用 中文界面,再安装 Chinese ...
参考了:《如何用本地的 VSCode 连接 极链AI的 GPU 服务器 》 基本上还算是顺利吧。 下载好remote ssh插件之后,注册了一下极链AI,获得了新手¥50的礼包,用3.5¥/h的2080Ti机器做了一下最基本的测试。 ssh 连接 基本是一本道,先自动配置好config文件,然后点“+”号打开 服务器 上的文件或目录,会弹出一个新的 vscode 连接 窗口,这里面才是真正的 连接 服务器 的部分。第一次打开的时候需要输入密码,之后再打开其他目录就不需要
文章来源 | 恒源 社区(专注人工智能/深度学习 GPU 服务器 训练平台,官方体验网址:https:// gpushare .com/) 原文地址 |https:// gpushare .com/docs/best_practices/jupyterlab/ JupyterLab是基于 Web 的新一代Jupyter交互式开发环境,可以通过 Web 管理文件、执行 Shell 命令、Python 代码。并且支持插件扩展。JupyterLab包含了Jupyter Notebook的全部功能。 Jup...
web后端发送REST请求删除正在进行的视频流硬解 服务自动分发 GPU 卡, GPU 硬解顺序启动,每张卡为30路 服务会在添加视频流后在mysql中维护一张表,用以记录每一路视频的ID,pulsar topic等,并每隔10s进行一次时间戳刷新,以保证该路视频处理仍在进行 最大并发100路线程 REST请求json格式如下 添加视频流 "stream_address": "rtsp://admin:Cmict@2020@192.168.120.2:554/h264/ch33/main/av_stream", "stream_id": 102, "stream_topic": "algorithm-2", 首先,在run中点击 add configuration。进行编辑,示例如下: // Use IntelliSense to learn about possible attributes. // Hover to view descriptions of existing attributes. // For more information, visit: https://go.microsoft.com/fwlink/?li
若要将 Disco Diffusion 部署到 GPU 服务器 上,您可以按照以下步骤进行: 1. 准备一台 GPU 服务器 ,并确保您已经安装了必要的操作系统和运行环境。 2. 下载 Disco Diffusion 的源代码,您可以前往 GitHub 下载最新版本的源代码。 3. 进入 Disco Diffusion 的源代码目录,安装必要的 Python 库。您可以 使用 命令 `pip install -r requirements.txt` 来安装这些库。 4. 修改配置文件,确保您已经正确配置了 GPU 服务器 的信息。 5. 运行 Disco Diffusion。您可以 使用 命令 `python main.py` 来启动 Disco Diffusion。 注意:在部署 Disco Diffusion 到 GPU 服务器 上之前,您需要确保您已经安装了正确的 NVIDIA 驱动程序和 CUDA 工具包。