GPU租用平台新手入门指南：从注册到跑通第一个模型
上周有个做电商的朋友找我，说他公司想用AI做商品图生成，问我GPU租用平台怎么用。我花了半小时远程教他，当天就跑通了Stable Diffusion。
写这篇文章，是给第一次接触GPU租用平台的人看的。不讲复杂的理论，只说怎么操作。
第一步：搞清楚你为什么要用GPU
先想清楚你要干什么，再选卡。
跑Stable Diffusion出图、做LoRA微调——RTX 4090就够了。24GB显存，大部分扩散模型都能跑。jygpu上4090时租1.96元起，一小时能出几百张图。
做7B-13B大模型的微调——A100 80GB比较合适。显存够大，训练稳定。
训练70B以上大模型——上H100。这个级别的模型，A100也能跑但太慢了，H100能省一半以上时间。
只是学习、跑demo、测试代码——T4或3090就够了，时租一两块钱，学习成本很低。
第二步：注册GPU租用平台
推荐直接在jygpu.com注册。个人认证送10元算力金，能免费体验4090五个小时，够你熟悉整个流程了。企业认证送50元。注册教程
注册完做实名认证，一般几分钟就通过。然后充值——建议先充个100块试试水，别一上来就充几千。jygpu首充100还送10元现金余额。
第三步：创建GPU实例
以jygpu为例，登录后点"创建实例"，会看到GPU云服务器和裸金属服务器两个选项。
新手建议选GPU云服务器（容器化方案）。操作简单，系统预装了CUDA、PyTorch等环境，开箱即用。选4090，地区选离你近的，系统镜像选Ubuntu 22.04 + PyTorch 2.x。
点击创建，等1-2分钟实例就起来了。你会拿到一个IP地址和SSH端口号。
第四步：连接并跑第一个模型
打开终端，SSH连接：
ssh -p 端口号 root@IP地址
进去之后先检查GPU：
nvidia-smi
能看到4090的信息就说明OK了。然后验证PyTorch能不能用：
python3 -c "import torch; print(torch.cuda.is_available())"
输出True，环境没问题。
想跑Stable Diffusion的话，装个diffusers库：
pip install diffusers transformers accelerate
然后几行代码就能出图了。具体的模型代码网上很多，这里不展开。
第五步：用完记得关机或释放
这是新手最容易忽略的。GPU实例按小时计费，不用的时候一定要关机。关机后只收存储费（很少），不算GPU费用。
如果项目做完了，直接释放实例，存储费也省了。记得提前把数据和模型下载到本地。
jygpu支持"关机不收费"策略，这点对偶尔用GPU平台，关机了照样收算力费。
几个新手常见问题
Q：数据怎么传上去？A：用scp或rsync。jygpu的实例默认有100GB数据盘，够放不少东西了。
Q：跑着跑着断了怎么办？A：用tmux或screen开个会话，断了也不会丢任务。或者用nohup。
Q：显存不够怎么办？A：换更大显存的卡。或者用梯度累积、混合精度训练这些技巧降低显存占用。
Q：多个GPU怎么用？A：PyTorch的DataParallel或DistributedDataParallel。jygpu的裸金属8卡方案支持NVlink，多卡通信效率很高。
