PyTorch 2.6 快速上手：Jupyter与SSH两种方式详解

PyTorch 2.6 快速上手：Jupyter与SSH两种方式详解

1. 环境准备与快速部署

PyTorch 2.6 是一个强大的深度学习框架，本教程将带你快速上手两种使用方式：Jupyter Notebook 和 SSH 远程连接。无论你是数据科学家还是AI工程师，都能找到适合自己的工作流程。

1.1 系统要求

在开始之前，请确保你的系统满足以下要求：

• 操作系统：Linux (推荐 Ubuntu 20.04/22.04) 或 Windows 10/11
• GPU：NVIDIA显卡 (推荐RTX 30系列及以上)
• 驱动：NVIDIA驱动版本 >= 525.60.13
• 内存：建议16GB及以上
• 存储：至少20GB可用空间

1.2 镜像获取与部署

CSDN星图镜像广场提供了预配置好的PyTorch 2.6环境，包含CUDA 11.8和常用Python库，省去了繁琐的环境配置过程。

# 拉取镜像 (如果你使用Docker) docker pull csdnmirror/pytorch-cuda:2.6

2. Jupyter Notebook使用方式

Jupyter Notebook是数据科学家的最爱，提供了交互式的编程环境，特别适合原型开发和教学演示。

2.1 启动Jupyter服务

使用以下命令启动Jupyter Notebook服务：

jupyter notebook --ip=0.0.0.0 --port=8888 --no-browser --allow-root

启动后会显示类似下面的信息：

[I 10:20:30.123 NotebookApp] Serving notebooks from local directory: /home/user [I 10:20:30.123 NotebookApp] Jupyter Notebook 6.5.2 is running at: [I 10:20:30.123 NotebookApp] http://localhost:8888/?token=abcdef1234567890

2.2 访问Jupyter界面

1. 复制输出的URL（包含token）
2. 在本地浏览器中粘贴地址
3. 你将看到Jupyter的文件浏览器界面

2.3 创建第一个PyTorch Notebook

1. 点击右上角"New"按钮
2. 选择"Python 3 (ipykernel)"
3. 在第一个单元格中输入以下代码测试环境：

import torch # 检查PyTorch版本 print(f"PyTorch版本: {torch.__version__}") # 检查CUDA是否可用 print(f"CUDA可用: {torch.cuda.is_available()}") print(f"GPU数量: {torch.cuda.device_count()}") print(f"当前GPU: {torch.cuda.current_device()}") print(f"GPU名称: {torch.cuda.get_device_name(0)}")

运行后应该看到类似输出：

PyTorch版本: 2.6.0 CUDA可用: True GPU数量: 1 当前GPU: 0 GPU名称: NVIDIA GeForce RTX 3090

3. SSH远程连接方式

对于需要长时间运行的任务或更专业的开发环境，SSH连接是更好的选择。

3.1 配置SSH访问

1. 首先确保镜像已启动SSH服务：

service ssh start

2. 设置root密码（如果需要）：

passwd root

3. 检查SSH服务状态：

service ssh status

3.2 本地连接远程环境

在本地终端使用SSH命令连接：

ssh -p 22 root@your-server-ip

连接成功后，你将看到类似提示：

Welcome to PyTorch 2.6 Environment root@container-id:~#

3.3 验证PyTorch环境

在SSH会话中运行Python解释器测试环境：

$ python >>> import torch >>> x = torch.rand(5, 3) >>> print(x) tensor([[0.1234, 0.5678, 0.9012], [0.3456, 0.7890, 0.1234], [0.5678, 0.9012, 0.3456], [0.7890, 0.1234, 0.5678], [0.9012, 0.3456, 0.7890]])

3.4 使用VS Code远程开发

1. 安装VS Code的"Remote - SSH"扩展
2. 点击左下角绿色图标 > "Connect to Host..."
3. 输入SSH连接信息（如：root@your-server-ip）
4. 连接成功后，可以像本地开发一样使用VS Code

4. 两种方式的对比与选择

4.1 Jupyter Notebook适用场景

• 快速原型开发
• 教学和演示
• 交互式数据分析
• 可视化需求高的任务

优点：

• 即时反馈
• 支持Markdown和可视化
• 单元格独立执行

4.2 SSH连接适用场景

• 长时间运行的训练任务
• 需要后台运行的进程
• 专业开发环境
• 需要更高灵活性的场景

优点：

• 更稳定的连接
• 支持多任务
• 完整的终端功能
• 更好的性能监控

5. 常见问题解决

5.1 Jupyter无法访问

• 问题：浏览器无法打开Jupyter页面
• 解决：
  1. 检查防火墙设置，确保端口8888开放
  2. 确认使用了正确的URL和token
  3. 尝试更换端口：--port=8899

5.2 CUDA不可用

• 问题：torch.cuda.is_available()返回False
• 解决：
  1. 检查NVIDIA驱动是否正确安装：nvidia-smi
  2. 确认Docker运行时使用了--gpus all参数
  3. 验证CUDA版本匹配：PyTorch 2.6需要CUDA 11.8

5.3 SSH连接被拒绝

• 问题：Connection refused
• 解决：
  1. 确认SSH服务已启动：service ssh status
  2. 检查端口22是否开放
  3. 验证用户名和密码是否正确

6. 总结

通过本教程，你已经掌握了PyTorch 2.6环境的两种主要使用方式：

1. Jupyter Notebook- 适合交互式开发和快速原型设计
2. SSH连接- 适合专业开发和长时间任务运行

无论选择哪种方式，PyTorch 2.6都提供了强大的深度学习能力。建议初学者从Jupyter开始，熟悉后再过渡到SSH开发环境。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。