在晨涧云租用 GPU 云主机：从选型到远程连接验收

晨涧云提供 GPU 云主机与云容器两类算力产品。云容器是隔离的进程环境，通常共享宿主机内核，适合纯命令行的训练、微调、推理与批处理；云主机则提供独享操作系统、GPU 直通和桌面环境，更接近一台可以远程使用和维护的电脑。这篇教程要解决的问题是：当你需要图形界面软件、Windows 原生 GPU 程序，或者需要自行更换显卡驱动时，如何把一台晨涧云 GPU 云主机从选型一路配到能远程连上并验收通过。如果你只是想先比较不同算力方案的价格与规格，可以配合晨涧云这类算力平台信息一起看，但本文的重点是云主机的完整开通流程。

适合阅读的人群包括：需要在 ComfyUI、Stable Diffusion 之外管理模型、插件、素材与输出结果的 AIGC 创作者；要运行 Blender、渲染器或建模软件的渲染与三维用户；工作流里同时有浏览器、素材管理、图形软件和 AI 插件的设计用户；既要 SSH、Docker、conda 和命令行，又需要 Ubuntu 桌面或图形化 IDE 的开发与科研用户；以及对 GPU 驱动版本有明确兼容要求、必须在实例内替换驱动的项目。文中涉及的价格、库存、镜像版本与保留规则都可能变化，请以官网与结算页当前信息为准。

准备工作

先判断：云容器还是云主机

两种形态都能跑 Python、Notebook、模型训练和批量推理，差别在于系统权限与交互方式。下单前先按下面这张表对照自己的任务。

判断项	云容器	云主机
常见入口	SSH、JupyterLab、WebIDE	SSH、RustDesk、WebUI；Windows 还可用 RDP
系统形态	与宿主机共享内核的隔离环境	独享操作系统环境
图形桌面	通常不提供完整桌面	Windows 与 Ubuntu 均支持远程桌面
GPU 使用	由平台映射 GPU 资源	GPU 直通、显卡独享
驱动管理	通常依赖宿主机驱动，调整空间有限	可按项目需要更换 GPU 驱动
适合任务	训练、微调、推理、Notebook、批处理	容器类任务，以及 AIGC、渲染、设计、桌面软件和完整开发环境
主要优势	轻量、创建快、环境复制方便	功能覆盖广、系统权限完整、桌面交互友好

以下情形适合继续用云容器：代码和依赖已经适配 Linux，只需运行训练、微调或推理；主要通过 JupyterLab、SSH 或 VS Code 远程开发，不依赖完整桌面；使用平台已有镜像且不需要自行调整 GPU 驱动；希望按小时随开随停，优先考虑轻量使用与成本弹性；熟悉 Linux、conda 和容器目录，能自己处理端口映射与数据持久化。

以下情形应当直接选云主机：必须运行 Windows 原生 GPU 软件、插件或桌面应用；项目要求自行更换 GPU 驱动以匹配特定 CUDA 兼容范围；需要完整的 Windows 或 Ubuntu 桌面交互，例如文件管理器、浏览器、可视化工具、图形化安装器。Ubuntu 云主机基本能覆盖云容器的大部分功能需求——SSH、VS Code、conda、Docker、JupyterLab、训练、推理和 Web 服务都能跑，同时还保留桌面，适合需要图形化操作的工作流。

云主机覆盖更广，不代表所有任务都要选它。只跑短时脚本、追求小时级按需计费时，云容器仍可能更省。若任务涉及修改内核、特殊硬件直通或平台未开放的底层能力，下单前应单独向平台确认。

创建前先写一张配置单

把下面这些项目先想清楚，能显著减少反复重装和迁移的时间。

工作负载：训练、推理、ComfyUI、三维渲染、科研仿真还是设计软件。
操作系统：Windows、Ubuntu 还是 CentOS；是否需要桌面。
GPU：最低显存、是否需要多卡、目标软件是否支持该卡。
驱动与 CUDA：项目要求的驱动兼容范围、CUDA 与框架版本。
CPU 与内存：数据预处理、编译、渲染或多进程任务的需求。
磁盘：软件、模型、数据集、缓存与输出的预计容量。
网络：是否要从公网访问 Web 服务，需要几个端口。
时长与预算：预计使用天数、调试时间和可接受总费用。
数据策略：上传哪些文件、结果备份到哪里、是否涉及敏感数据。

如果项目有 README 或安装文档，先从中找出操作系统、GPU 驱动、CUDA、Python 和框架版本。显存只决定模型能否装下；系统、驱动、CPU、内存和磁盘不匹配，同样会让实例无法工作。

账号与登录

需要先完成晨涧云账号的注册或登录，之后才能进入算力市场下单。控制台是后续查看实例状态、获取连接参数、续租与扩容的入口，建议提前熟悉顶部导航里的「控制台」与左侧的「云主机实例」。

操作步骤

第一步：进入算力市场并选择云主机

登录后进入「算力市场」。平台会同时展示云主机、云容器等产品入口，本流程选择「云主机」。在显卡列表中找到符合显存与预算要求的型号，点击「立即租用」进入配置页。列表中的价格可能是最低展示价，实际金额以下单配置页为准。第一次使用建议先租单卡、短周期实例，完成兼容性测试后再续租或升级。

第二步：选择系统镜像

在配置页按「应用场景 → 操作系统 → 系统镜像」的顺序选择。晨涧云预装环境包括 Windows 10、Ubuntu 22.04 / 20.04 / 18.04 和 CentOS 9，最终以创建页的可选镜像为准。Windows 与 Ubuntu 支持桌面，CentOS 主要通过 SSH 使用。

必须运行 Windows 原生软件时，选 Windows 镜像。
深度学习、Docker、JupyterLab 和 Linux 开发，优先 Ubuntu。
需要图形化 Linux 工作流时，选 Ubuntu Desktop 镜像。
依赖 CentOS 生态且不需要桌面时，再考虑 CentOS 9。
已有明确版本要求时，先匹配系统、驱动与 CUDA，再看预装软件。

部分镜像已预装显卡驱动、CUDA、Docker、Anaconda、PyTorch、PyCharm 和 VS Code 等环境。预装版本不一定适合每个项目，创建后仍要逐项验收。

第三步：选择 GPU 型号与数量

设置 GPU 型号与「GPU 数量」。晨涧云云主机使用 GPU 直通，显卡由实例独享。第一次迁移项目建议从单卡开始；多卡只有在代码支持数据并行、模型并行，或确实要并发运行多项任务时才会带来收益。

选卡顺序建议是：先看显存能否容纳模型、输入、缓存和桌面程序；再看软件是否支持该 GPU 架构与驱动版本；最后按预计完成时间和总费用权衡，而不只看单日价格。渲染软件是否需要专业卡特性、训练代码是否真正支持多卡，也要在这一步确认。

第四步：选择 CPU 与内存规格

配置页会提供不同的 CPU 与内存组合。训练、渲染和科学计算都可能受 CPU、内存或磁盘 IO 限制，大量素材解码、数据增强、多进程加载、着色器编译和仿真任务尤其不能只看 GPU。有本地运行数据时参考峰值占用；没有数据时，先选能跑通小样本的规格，创建后观察 CPU、内存和 GPU 利用率，再决定是否升级。

第五步：规划系统盘与数据盘

云主机默认提供 200 GB 系统盘和 100 GB 数据盘，并允许按需扩大数据盘。下单前按下面的方式估算：

所需空间 = 系统与软件 + 模型权重 + 数据集 + 缓存 + 输出结果 + 预留空间

系统盘用于操作系统和软件，数据盘用于模型、数据集、素材和结果。默认磁盘在结束使用后有保留期限，扩容后的保留规则可能不同；重要文件仍要备份到本地或可靠存储。

第六步：选择租用时长并核对订单

根据预计用量选择按天、周或月租用。平台可能按时长和多卡数量提供折扣，库存、价格和活动会变化，应以结算页为准。提交前逐项检查：

产品类型是云主机，而不是云容器。
操作系统、桌面和预装环境符合需求。
GPU 型号、显存和数量正确。
CPU、内存和磁盘足够。
驱动与 CUDA 有可行的兼容方案。
租用时长、最终金额和数据保留规则已确认。

第七步：创建实例并等待运行

点击「立即创建」后，平台开始准备实例，参考时间约为 10～15 分钟。页面会跳转到控制台，等实例状态变为「运行中」再连接。如果长时间没有完成，查看页面提示并联系平台支持，不要重复下单。

第八步：从控制台获取连接信息并登录

从网站顶部进入「控制台」，在左侧打开「云主机实例」。实例列表可以查看运行状态、配置、租用信息、系统密码、端口，以及该镜像的专属操作指南。

Windows：可使用 RDP、RustDesk 或 WebUI。
Ubuntu：可使用 SSH、RustDesk、WebUI，也可安装平台预置的其他远程工具。
CentOS 9：主要通过 SSH 连接。

第一次连接时，使用当前实例「操作指南」提供的地址、端口、用户名和密码，不要照搬其他实例的连接参数。

第九步：验收 GPU、驱动与软件

进入系统后先验收，再上传大数据或安装复杂软件。在 Ubuntu 终端、Windows PowerShell 或命令提示符中运行：

nvidia-smi

确认 GPU 型号、数量和显存与订单一致，并记录当前驱动版本。使用 PyTorch 镜像时继续检查：

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.cuda.device_count())"

预期 torch.cuda.is_available() 返回 True，GPU 数量与订单一致。AIGC、渲染或设计任务还要打开目标桌面软件，用小素材完成一次加载、运算、预览和保存。

验收清单：

GPU 型号、数量和显存符合订单。
系统、桌面和远程连接正常。
驱动、CUDA 与框架满足项目要求。
数据盘可读写，空间足够。
小样本训练、推理、渲染或设计操作可完成。
输出文件可以下载或同步到备份位置。

一个完整示例

下面以「在 Ubuntu 云主机上跑通一个 PyTorch 小样本任务」为例，把前面的步骤串成一条可执行的路径。

1. 明确需求：任务需要 Ubuntu 桌面、PyTorch 环境和一块能装下模型的单卡。据此在配置单里写下：操作系统 Ubuntu Desktop，单卡，磁盘按模型与数据集估算，租期先选最短周期。

2. 下单：进入算力市场 → 云主机 → 选中符合显存要求的型号 → 立即租用。镜像选 Ubuntu Desktop，GPU 数量设为 1，CPU 与内存选能跑通小样本的规格，确认系统盘与数据盘容量，选择租期并核对结算金额。

3. 等待创建：点击立即创建，等待状态变为「运行中」，参考时间约 10～15 分钟。

4. 连接：进入控制台 → 云主机实例 → 打开该实例的操作指南，用其中的地址、端口、用户名和密码通过 SSH 或远程桌面登录。

5. 验收硬件：

nvidia-smi
python -c "import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.cuda.device_count())"

确认显卡型号与数量正确、torch.cuda.is_available() 为 True。

6. 验证数据盘：把一个小数据集放到数据盘目录，确认可读写、剩余空间足够。

7. 跑通小样本：用低分辨率、小批量或短 epoch 跑一次训练或推理，确认能正常开始、正常结束并写出结果文件。

8. 验证对外服务（可选）：如果要在实例内运行 ComfyUI、JupyterLab 或推理 API，先在实例内用 localhost 访问验证，再按控制台展示的预留端口映射关系，通过「公网 IP + 公网端口」从外部访问。

9. 记录环境：把镜像名称、系统版本、GPU 型号、驱动版本、CUDA、Python、框架版本和启动命令记下来，方便复现和后续续租。

注意事项

更换 GPU 驱动

云主机支持更换 GPU 驱动。Windows 可卸载现有 NVIDIA 驱动后安装目标版本；Ubuntu 也可以按平台驱动安装文档调整。驱动变更会影响 CUDA、框架和桌面程序，操作前先记录原版本并保存数据。建议按这个顺序处理：

从项目文档确定需要的驱动兼容范围，不要只看 CUDA Toolkit 版本号。
记录 nvidia-smi、CUDA、PyTorch 或目标软件的当前版本。
保存训练 checkpoint，关闭所有 GPU 任务。
按对应系统文档卸载并安装驱动，过程中允许实例重启。
重启后重新运行 nvidia-smi 和小样本任务。

驱动并非越新越好。只要当前驱动满足框架要求，通常没有必要为了追新版本去调整一个已经稳定的环境。

对外访问服务与端口

云主机内运行 ComfyUI、JupyterLab 或推理 API 时，先用 localhost 验证，再配置公网访问。控制台会展示预留端口映射关系，外部通过「公网 IP + 公网端口」访问。只开放必需端口，不要把数据库、系统管理面板或没有鉴权的应用直接暴露到公网。默认预留端口数量有限，需要更多端口时按控制台提示联系平台确认。

重启、改密码和扩容前先停任务

控制台支持续租、重启、修改密码、磁盘扩容和重装系统。重启会中断任务，修改密码和磁盘扩容也可能触发重启。操作前先保存 checkpoint、写完日志并确认没有关键进程在运行。

重装系统前必须备份

重装系统会删除实例数据，无法恢复。需要换系统或重置环境时，先备份代码、数据、模型、配置和结果。

换卡后重新获取连接信息

停机续租或更换 GPU 时可以保留系统环境与数据，但资源迁移可能改变 IP 等连接信息。完成后回到控制台获取新参数，并重新做一次 GPU 验收。

价格、库存与保留规则会变化

正式长租前先短期试跑，确认远程连接、软件兼容性、驱动、端口、性能和备份方式，再决定是否续租。价格、库存与磁盘保留规则以官网与结算页当前信息为准。

敏感数据先处理再上传

客户素材、未公开数据集、私有模型和访问凭据应先做脱敏与权限检查。密钥使用环境变量或项目支持的凭据管理方式，任务结束后清理临时文件。

几个实用做法

创建后先做约 10 分钟验收，尽早发现镜像、GPU 或驱动不匹配。
调试与正式运行分开，先用小数据、低分辨率或短 epoch 跑通。
长任务写日志并定期保存 checkpoint，远程桌面断开不应中断计算。
在预计完成时间和租期到期前设置提醒，及时下载结果或续租。
桌面卡顿先区分网络延迟和 GPU 计算性能，分别查看监控与任务日志。
Web 服务先在实例内测试，确认可用后再配置公网端口。

把整个流程压缩成六步就是：选云主机、匹配系统镜像、配置 GPU 与主机规格、规划磁盘和租期、等待创建、连接后验收。把产品形态选对，往往比单纯比较显卡单价更重要。