1、调试编写代码，可以在无卡模式状态下进行调试。
2、autodl设置学术加速
# 设置学术加速
source /etc/network_turbo
# 取消代理
unset http_proxy && unset https_proxy
notebook：
import subprocess
import os
result = subprocess.run('bash -c "source /etc/network_turbo && env | grep proxy"', shell=True, capture_output=True, text=True)
output = result.stdout
for line in output.splitlines():
if '=' in line:
var, value = line.split('=', 1)
os.environ[var] = value
没必要加速，直接用代理解决即可。
3、移除国产的一切内容。
- 移除python阿里镜像源
# 编辑pip配置文件
vim /etc/pip.conf
[global]
index-url = https://pypi.org/simple
- 移除清华conda源，并设置代理
# 编辑conda配置文件
vim ~/.condarc
channels:
- defaults
show_channel_urls: true
proxy_servers:
http: http://127.0.0.1:7890
https: http://127.0.0.1:7890
- 移除华为apt源
# 编辑apt软件源
vim /etc/apt/sources.list
# 查看系统发行版
cat /etc/lsb-release
# 将软件源更换为对应发行版的内容，下面为ubuntu 22.04的软件源
deb http://archive.ubuntu.com/ubuntu/ jammy main restricted universe multiverse
# deb-src http://archive.ubuntu.com/ubuntu/ jammy main restricted universe multiverse
deb http://archive.ubuntu.com/ubuntu/ jammy-updates main restricted universe multiverse
# deb-src http://archive.ubuntu.com/ubuntu/ jammy-updates main restricted universe multiverse
deb http://archive.ubuntu.com/ubuntu/ jammy-security main restricted universe multiverse
# deb-src http://archive.ubuntu.com/ubuntu/ jammy-security main restricted universe multiverse
deb http://archive.ubuntu.com/ubuntu/ jammy-backports main restricted universe multiverse
# deb-src http://archive.ubuntu.com/ubuntu/ jammy-backports main restricted universe multiverse
deb http://archive.canonical.com/ubuntu/ jammy partner
# deb-src http://archive.canonical.com/ubuntu/ jammy partner
- apt设置代理
# 编辑apt代理
vim /etc/apt/apt.conf.d/proxy.conf
Acquire::http::Proxy "http://127.0.0.1:7890/";
Acquire::https::Proxy "http://127.0.0.1:7890/";
注意点：在autodl上下载模型，还是优先考虑modlescope的命令行下载吧，挂代理下载会下载到你怀疑人生。
4、使用conda创建了新的虚拟环境，给新的虚拟环境安上内核，方便notebook调用。
# 在当前conda环境中安装ipykernel包
conda install ipykernel
# 将当前环境安装为Jupyter的kernel，使其可在Jupyter中使用
# 请将'your_env_name'替换为你的实际环境名称
python -m ipykernel install --user --name=your_env_name
5、修改Huggingface模型的默认路径
# 安装hf-transfer
pip install -U hf-transfer
# 打开 .bashrc 文件进行编辑
vim ~/.bashrc
# 在 .bashrc 文件中添加以下环境变量：
# 设置 Hugging Face 的缓存目录
export HF_HOME=/root/autodl-tmp/huggingface
# 启用 Hugging Face 的新文件传输系统
export HF_HUB_ENABLE_HF_TRANSFER=1
# 重新加载 .bashrc 文件，使新的环境变量生效
source ~/.bashrc
# 使用 Hugging Face CLI 下载 Meta-Llama-3-8B-Instruct 模型
# --resume-download: 如果下载中断，从断点继续下载
# --local-dir: 指定模型文件的本地保存目录
# --local-dir-use-symlinks False: 不使用符号链接，直接下载文件
# huggingface-cli download --resume-download meta-llama/Meta-Llama-3-8B-Instruct --local-dir /root/autodl-tmp/huggingface/models/meta-llama/Meta-Llama-3-8B-Instruct --local-dir-use-symlinks False
# resume-download参数和--local-dir-use-symlinks False参数均已弃用，下载功能在可能的情况下默认就会恢复下载，不再需要使用符号链接，模型下载位置自动会变更为HF_HOME环境变量设置的路径。
huggingface-cli download meta-llama/Meta-Llama-3-8B-Instruct --local-dir /root/autodl-tmp/huggingface/models/meta-llama/Meta-Llama-3-8B-Instruct
huggingface下载相关的王牌教程：https://padeoe.com/huggingface-large-models-downloader/
autodl的窗口最好pin起来，以防自己误关。
autodl代理我一般都是用claude辅助写的一键脚本搭配上代理订阅链接，在上面搭建clash meta。
当然也有一些类似的开源项目，如：
