深度学习零基础教程：在 DigitalOcean GPU 云主机上一步搭建 Jupyter Lab
本教程详细指导如何在 DigitalOcean GPU Droplet 上搭建 Jupyter Lab 环境，并利用 VS Code 远程连接，高效运行深度学习代码。
在本教程中，我们将逐步介绍如何在 DigitalOcean GPU Droplet 上搭建 Jupyter Lab 或 Jupyter Notebook 实例。此外，我们还会分享一些关键技巧，帮助你在 Jupyter Notebook 中顺利运行深度学习代码。
DigitalOcean 的 GPU Droplet 服务器提供多种型号的GPU 资源，例如 H200、H100、A100、MI325X、MI300X、RTX 6000 Ada、RTX 4000 Ada、L40S等，支持按需计费，流量带宽费用低于 AWS、GCP等云平台，且可以提供优于 Runpod、Vast ai等平台的数据库托管、K8S托管服务、存储服务等。而且DigitalOcean通过中国区独家战略合作伙伴卓普云aidroplet.com提供中文技术支持与商务合作。
本教程中的 Jupyter 是机器学习、深度学习、数据科学以及通用 Python 开发的首选工具之一。越来越多的 ML/DL/AI 初学者喜欢在 Jupyter Notebook 里完成工作，尤其是在数据探索阶段。Jupyter 独有的“顺序代码框”设计，使其成为练习核心 ML 技能的理想环境。
读完本文，你将完整掌握在 DigitalOcean 的 Jupyter Notebook 上运行深度学习代码的环境搭建方法。
准备工作
-
你需要有一个 DigitalOcean 云平台的账号：需注册才能跟做，可以在digitalocean.com注册。
-
Visual Studio Code：我们将用它把云端 Jupyter Notebook 映射到本地浏览器。
-
了解基础 Shell 操作：需在终端输入命令。
本地环境准备
在本地只需做两件事：
- 若尚未生成 SSH 密钥，可根据DigitalOcean后台的提示配置SSH 密钥，并添加到你要用的 DigitalOcean 账户
- 下载 VS Code：内置 SSH 管道功能，可轻松把远程 Jupyter 窗口拉到本地浏览器
启动 GPU Droplet
新建 GPU Droplet 很简单：
- 选离自己最近的数据中心与默认 VPC
- 操作系统务必选“AI/ML Ready”模板，这是 GPU 与 CPU 协同工作的关键
- 选 1 张 H100 即可（教程只需单卡）
- 创建或选择已有 SSH 密钥（若新建，参考此教程），必须在开机前完成
- 给 Droplet 起个独一无二的名字
确认后点击右侧按钮创建。注意由此产生的费用。创建完成后，趁 Droplet 启动，我们接着配置本地。
配置 GPU Droplet 环境
复制 Droplet 首页顶部的 IPv4 地址，在本地终端执行：
ssh root@<your IPv4 address here>
首次登录后，先退出 root 并新建个人用户：
useradd -m -g users <your username>
su <your username>
bash
可能需要重开 bash。
接着进入工作目录并安装 Python 与 Jupyter：
cd ../home
apt install python3-pip python3.10-venv
pip3 install jupyterlab
至此环境就绪。
启动 Jupyter
在远程终端执行：
jupyter lab
会返回 1 个文件路径和 2 个 URL，复制其中一个备用。
用 VS Code 把 Jupyter 窗口映射到本地浏览器
在您的本地计算机上，打开一个空白的 VS Code 窗口。
在页面中央，应该有一个可点击的按钮，上面写着“连接到”（Connect to）。点击它，窗口顶部的搜索栏会弹出一个提示框。
点击“连接到主机”（Connect to Host），然后选择“ + 添加新的 SSH 主机…”（+ Add New SSH Host…）。您将在这里粘贴 SSH 密钥，以便将 VS Code 连接到您的远程机器。粘贴与我们之前使用过的完全相同的命令，如下所示：
ssh root@<您的 IPv4 地址>
这将允许 VS Code 从您的本地机器远程监听并与您的 GPU Droplet 进行交互。
连接成功后，在 VS Code 的欢迎页面，您需要执行最后一步：同时按下 “Command” + “Shift” + “P” （Windows/Linux 用户为 “Ctrl” + “Shift” + “P” ）。搜索并打开 “Simple Browser” （简单浏览器）窗口。
在此时出现的 URL 地址栏中，粘贴您的 URL。点击 URL 栏最右侧的打开按钮，即可在本地浏览器中打开 Jupyter Notebook。
这应该会在您的本地浏览器中打开 Jupyter Labs 环境！ 从这里开始，我们就可以自由地与 Jupyter 交互，进行 AI、ML（机器学习）和数据科学方面的编码工作了。
Jupyter 是数据科学、数据工程与 AI 研究的首选探索工具。希望本教程能帮你零障碍地利用云端强大 GPU，在本地轻松开展深度学习工作。
感谢阅读！如果需要了解DigitalOcean云平台的其他服务，可访问DigitalOcean英文官网或DigitalOcean中国区独家战略合作伙伴卓普云的官网aidroplet.com，可直接与卓普云官方进行线上咨询。更多的教程或产品更新信息，可访问卓普云官网的博客页面与产品介绍页面。
