1.需求：

        对于旧一点的电脑跑个深度学习框架来说，吃力又费劲，当场买个高端电脑又有点不现实。想着看看有没有开放的平台，但是大部分开放平台来说收费比较贵，或者就是免费排队等待资源，对着深爱学习的同学来说这是不能接受的。笔者就介绍一下自己最近使用的mistGPU深度学习雾计算平台。

2.下载软件：

        MobaXterm

         一款非常棒的SSH连接管理黑科技

3.操作步骤：

3.1注册mistGPU账号

        mistGPU 平台对于新用户可以免费送8元的赠送金额(若使用 1070Ti 可大概使用5.3小时），跑个实验基本差不多了。

        平台也可以拉新用户来获取邀请金，一人5元，笔者邀请链接如下（您随意）

https://mistgpu.com/i/095999/

3.1购买GPU服务器

 3.2 GPU服务器列表

ssh mist@gpu82.mistgpu.xyz -p 30310

  3.3 连接服务器

        点击 MobaXterm -> 点击session 

 添加host 主机号 mist@gpu82.mistgpu.xyz  和 端口号 30310

 连接成功提示

   3.4 部署环境 （使用faster-rcnn 为案列）

   下载faster-rcnn 源码 和 训练文件

# 1. 创建conda环境
conda create -n faster_rcnn python==3.8
# 2. 切换到目录下
conda activate faster_rcnn
# 3. 切换到tmp目录下 （若不存在 使用mkdir 创建）
cd /tmp/pycharm_project_310/
# 4. 下载faster_rcnn源码
https://github.com/WZMIAOMIAO/deep-learning-for-image-processing/tree/master/pytorch_object_detection/faster_rcnn
# 5. 下载预训练文件
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar
tar -xvf VOCtrainval_11-May-2012.tar
mv VOCtrainval_11-May-2012 faster_rcnn/VOCdevkit
# 6. 安装包
cd faster_rcnn
pip install -r requirements.txt

   3.5pycharm远程调试代码

 添加远程解析器 file-> settings-> project:faster_rcnn->python interpreter->show all

    3.6  pycharm与GPU服务器映射

 笔者建议先将代码部署到mistGPU服务器上，本地上传到服务器属实比较慢，然后修改映射路径

服务器对应的项目位置：

     3.7  完成以上步骤即搭建成功    完结撒花