本项目，借助AutoDL平台手把手教如何配置服务器，并在服务器上，利用Pytorch库开始深度学习的新天地。 刚开始学深度学习，需要GPU去跑模型（不然你会后悔的:alien:）。该项目以不同的视觉任务为基础，手把手👌教你：
- 如何配置服务器💻
- 如何运行代码并验证模型📂
- 如何部署模型🛒
不过在项目开始之前，需要教大家如何配置好服务器，demo里的每个项目，只讲解如何上传数据并训练以及......，因此，继续看下去！
根据自己的实际情况，租用服务器，然后进入下一步
这里需要注意3个位置:
- GPU数量：如果需要训练的网络模型大，那么推荐多卡训练。在demo中，便于读者学习，会开发多卡相关的代码。
- 数据盘：这个是否扩容，取决于你的需求。
- 镜像：这里有三个基本选项，基础镜像、社区镜像和我的镜像：
- 基础镜像（刚开始配置建议）：基础镜像可以配置你的深度学习框架、python版本以及cuda版本，这个没有硬性要求，合适就行了。如果是要学习，建议先选择一次基础镜像，自己在镜像中，不断扩充自己需要的库，然后保存为“我的镜像”
- 社区镜像：找到其他人已经分享的镜像并使用，这个方便快捷，但是可能有些库没有，仍然需要扩展。
- 我的镜像（扩展了其他库以后，建议保存）：租赁服务器后，在运行过程中，需要不断地填充库，那么保存后的镜像，就是我的镜像。推荐在后续学习的时候，使用这个选项，不过前提是你得有保存镜像！
租好服务器以后，进入这个容器实例界面，这里有几个选项，需要特别说明一下
- 无卡模式开机（上传数据时，推荐）：开机选项是默认带了GPU的，但是传输数据的时候，不需要使用GPU，所以选择无卡更具性价比。建议先选这个，上传完毕，关机重新开机。
- 保存镜像：在扩充完库以后，建议保存镜像，下次租新的实例，就便于使用。
- 扩/缩数据盘：根据数据量需求更改。
- 释放实例：如果释放了实例，下次就需要重新租用，按照1.1步骤重头开始，如果只是不使用，关机就行了，没必要释放。
好了，既然已经学会租赁服务器，那么接下来，就移步到demo里面，开始实战吧，下面是demo有的项目，以及简介：
- orange2apple: 使用cycleGAN网络，将橘子图像转换为苹果图像，进行风格迁移学习。
- faster-rcnn: 使用faster-rcnn网络，训练VOC2007数据集，完成目标检测任务。