autodl-compute

name	autodl-compute
description	通过 AutoDL GPU 算力跑代码、复现论文、加速实验。当用户需要「上 GPU 跑一段代码/脚本」「在云端 GPU 复现论文」「创建/管理 AutoDL 实例」「把本地仓库传到 GPU 机器上跑」「保存 GPU 环境为镜像」时使用。触发词：AutoDL、上 GPU 跑、云端复现、GPU 实例、跑训练、nvidia-smi、复现论文。

AutoDL 算力 Skill

用 p101-autodl CLI 把代码送上 AutoDL 的 GPU 跑。控制面（实例生命周期）+ 数据面（SSH 执行/上传）。

前置

确认已安装并配置 token：

p101-autodl gpus >/dev/null 2>&1 || echo "需要先 pip install -e . 并 export AUTODL_TOKEN=<token>"

• token 缺失时命令会直接报 AUTODL_TOKEN 未设置 并非零退出，按提示设置即可。
• 使用 Pro API 需 AutoDL 账号已完成实名/企业认证。

标准工作流

1. 选规格：先看可用 GPU 与镜像 ID，不要凭空猜。

   p101-autodl gpus
   

   常用：--gpu pro6000-p（PRO6000-96G）、--gpu h800（H800-80G）；PyTorch 2.0 镜像 base-image-l2t43iu6uk（cuda11.8）。

2. 一站式跑（推荐）：创建实例→上传本地代码→跑命令(实时日志)→收尾。

   p101-autodl run \
     --gpu pro6000-p --image base-image-l2t43iu6uk --cuda 118 \
     --upload-dir ./repo --remote-dir /root/workspace \
     --command "cd /root/workspace && pip install -r requirements.txt && python train.py" \
     --on-finish power_off
   

   • --cuda 是驱动 CUDA 版本下限：118=cuda>=11.8、113=cuda>=11.3。
   • 退出码 0 表示命令成功；非 0 会原样返回并以非零码退出。

3. 要复用环境：跑完保存镜像，下次直接用该镜像创建。

   p101-autodl run ... --save-image my-env --on-finish release
   p101-autodl image ls    # 确认 status=finished，拿到 image-xxx
   

分步操作（需要精细控制时）

p101-autodl instance create --gpu h800 --image base-image-l2t43iu6uk --cuda 118
p101-autodl instance status pro-xxxx          # 等到 running
p101-autodl upload pro-xxxx ./repo /root/workspace/repo
p101-autodl exec   pro-xxxx "cd /root/workspace/repo && nvidia-smi && python main.py"
p101-autodl instance off pro-xxxx             # 用完关机止血

成本红线（务必遵守）

• 实例一旦开机就计费。任务结束后必须 power_off（停止 GPU 计费）或 release（彻底删除）。
• run 默认 --on-finish power_off，失败/取消时也会尽力自动关机。
• release 不可恢复，执行前确认数据已保存（必要时先 image save）。

出错处理

• 不要伪造结果或跳过失败步骤。命令失败时把真实报错（含 request_id）展示给用户。
• SSH 连接信息缺失通常是实例还没 running，先查 instance status。
• 释放失败先确认是否已关机（释放前需先关机）。