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
云
社区(专注人工智能/深度学习
云
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
到
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
云
社区(专注人工智能/深度学习
云
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
云
服务器
上,您可以按照以下步骤进行:
1. 准备一台
GPU
云
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
云
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
云
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。