datawhalechina--self-llm/models_amd/README_00_AMD_AUP免费云平台使用指南.md

AMD ROCm 云平台使用指南（AUP Learning Cloud 优先）

   

感谢 AMD University Program（AMD 大学合作部）对本项目的支持

推荐顺序：优先使用 AUP Learning Cloud 完成本专题的代码开发、模型准备、训练和 Notebook 实验；AMD Radeon Cloud 作为备用入口，用于快速验证 ROCm、PyTorch 和现成模板。具体额度、镜像、硬件和授权方式以平台当前页面与管理员通知为准。

开发者云部分参考并整理自 hello-rocm 的 AMD Radeon Cloud 使用文档，图片已下载到本专题仓库并改为统一的本地相对路径。AUP Learning Cloud 的登录、Notebook、Code Server 和持久化目录说明也整理在本页中。

一、两个平台怎么选

项目	AUP Learning Cloud（ALC，推荐）	AMD Radeon Cloud（开发者云，备用）
入口	tpe.aupcloud.io，使用 GitHub 授权登录	AMD AI 开发者计划中文站
本专题记录的硬件	AMD Ryzen AI MAX+ 395，约 64 GB 统一内存	AMD Radeon PRO 7900D，约 48 GB 显存
工作区	JupyterHub 或 Code Server GPU Environment	Radeon Cloud Gallery 中的 Notebook / Workspace
模型和数据准备	可按 Notebook 使用 Hugging Face、GitHub 及本地持久化目录	按当前模板与平台提供的方式准备模型和数据，优先使用魔搭 ModelScope
适合的任务	本专题正式训练、Notebook 调试、闭环评估和长任务续跑	直接启动现成 AMD ROCm 模板，快速验证教程
使用前确认	GitHub 授权、GPU 镜像、持久化目录和可用额度	额度、工作区模板和 ModelScope 登录状态

两边的代码、数据格式和评估口径可以保持一致。真正需要按平台切换的主要是硬件探测、模型下载方式、缓存目录和可用的 GPU/统一内存容量。不要因为平台不同而复制两套训练脚本。

当前课程沟通中，AUP Learning Cloud 处于内测/学习支持阶段，常见初始额度约为 10 小时，优秀学习者可由课程组织者汇总后申请增加；也有活动期赠送使用的安排。这个数字和追加方式不是永久承诺，实际可用时长以登录页面和管理员当期通知为准。建议先在 AUP 上完成本专题主流程，再根据需要使用开发者云做快速验证。

无论使用哪一个平台，都先用内置成功视频完成零训练预览，再启动正式训练。这样即使当前额度较少，也能先理解任务、输出格式和严格成功判定。

本专题统一使用以下原则：

• 代码和 Notebook 放在仓库或持久化目录中；
• 数据集、模型权重和 Hugging Face / ModelScope 缓存放在容量明确的持久化目录；
• 模型下载失败先判断网络和缓存，不要直接改训练代码；
• 训练完成必须用同一套 MuJoCo strict rollout 和 physical success 复核。

二、AUP Learning Cloud（推荐入口）

AUP Learning Cloud 是本专题的优先实践入口，适合直接打开 Notebook、使用 Code Server、准备公开模型和数据，并在持久化目录中完成训练与闭环评估。建议第一次学习按下面的顺序操作：

1. 打开 AUP Learning Cloud，使用 GitHub 授权登录；
2. 选择 GPU Environment，确认课程目录、项目目录和持久化存储可用；
3. 克隆本专题仓库，按 Notebook 中的环境检查单元格确认 ROCm、PyTorch 和 GPU；
4. 优先运行零训练成功预览，再开始 smoke、正式训练和视频评估；
5. 将源码、数据、模型权重、checkpoint 和结果保存到持久化目录，并保留校验信息。

AUP 的完整登录、JupyterHub、Code Server、持久化目录和退出方式见下方的详细章节。学习者不需要先申请本地账号，直接使用 GitHub 授权即可进入。

三、AUP Learning Cloud 详细说明

AUP 的模型和数据准备

本专题在 AUP 上优先使用 Hugging Face、GitHub 和本地持久化目录准备模型、数据与源码。建议按下面的顺序操作：

1. 通过 GitHub 授权进入 AUP，并在 GPU Environment 中打开终端或 Notebook；
2. 使用 Hugging Face 官方仓库或 GitHub 仓库准备模型、数据和代码，并将缓存目录指向持久化存储；
3. 需要跨设备准备文件时，可使用共享目录、SFTP 或浏览器上传到 AUP 的持久化目录；
4. 在 Notebook / 训练脚本中把模型路径和数据路径指向持久化目录；
5. 启动训练前检查文件大小、校验和、权重文件数量和磁盘空间。

不要把 Hugging Face token 写进公开 Notebook、Markdown、截图或日志。AUP 的持久化目录只保存源码、数据、模型和实验结果，临时工作区结束后会被重置的目录不要放唯一副本。

欢迎使用本课程/实验室提供的 AUP Learning Cloud 远程 JupyterHub / Code Server 开发环境！ 本指南将帮助你从 第一次登录 到 日常开发使用，快速上手远程编程与学习。

🌐 什么是 JupyterHub / Code Server？

JupyterHub 是一个基于浏览器的远程开发平台，你可以： - ✅ 通过浏览器直接写代码（无需本地配置环境） - ✅ 使用 Python / Jupyter Notebook 进行实验和学习 - ✅ 代码和文件保存在服务器，不怕电脑重装 - ✅ 在不同电脑上随时继续学习 📌 你只需要： - 一台能上网的电脑 - 一个现代浏览器（推荐 Chrome / Edge / Firefox）	Code Server（VSCode Server） 是一个在浏览器中运行的 完整 VSCode 编辑器，你可以把它理解为： > 🖥️「在浏览器里打开一个和本地一模一样的 VSCode」 通过 Code Server，你可以： - ✅ 使用完整的 VSCode 编辑体验（语法高亮、自动补全、调试） - ✅ 在终端中运行程序、脚本和训练任务 - ✅ 安装 VSCode 插件（Python、Jupyter、GitLens 等） - ✅ 使用端口转发预览 Web 应用 - ✅ 适合需要 IDE 级开发体验的用户

---

🔐 AUP Learning Cloud 登录说明

1️⃣ 使用 GitHub 授权登录

AUP Learning Cloud 现在直接使用 GitHub 账户授权，无需额外登记或申请。

1. 在浏览器地址栏打开：https://tpe.aupcloud.io

2. 点击 Use GitHub Login 按钮

3. 按页面提示完成 GitHub 授权

4. 授权完成后，浏览器会自动返回 JupyterHub

首次使用也直接通过 GitHub 授权进入平台，不需要提前填写表格或等待管理员开通。

2️⃣ 成功登录后的界面

JupyterHub

可用资源目录

• Course：课程资料

  • Computer Vision Course

  • Computer Vision Course (ROCm 7.13.0)

  • Deep Learning Course

  • Deep Learning Course (ROCm 7.13.0)

  • HIP Programming Course

  • Genesis Physical Simulation Course

  • Genesis Physical Simulation Course (ROCm 7.13.0)

• Development：开发环境

  • Code Server CPU Environment

  • Code Server GPU Environment

• Test：测试环境

  • HIP and ROCm Notebook Test

• Tutorial：教程内容

  • Introduction to HIP

• Custom Repo：自定义仓库，提供基础镜像

  • Basic Python Environment

  • Basic GPU Environment

注意：选择合适的镜像时间，计时结束时会关闭链接，未放置在用户存储目录 /home/jovyan 的内容会被重置

🧑‍💻 AUP 基本使用说明

✨ 1. 新建一个 Notebook

1. 选择 Python 3

2. 浏览器会打开一个新的 Notebook 页面

🎉 恭喜，你已经可以开始写代码了！

▶️ 2. 运行代码

• 在代码单元格中输入代码

• 按 Shift + Enter 运行当前单元

• 运行结果会显示在下方

示例：

print("Hello, JupyterHub!")

💾 3. 保存你的工作

• JupyterHub 会自动保存

• 也可以手动保存：

  • Ctrl + S（Windows）

  • Cmd + S（Mac）

• 需要注意每次镜像的默认工作目录为 /ryzers/notebooks 用户拥有 20G 的使用磁盘目录在 /home/jovyan 如果需要保存工作内容，请在镜像结束前将工作内容迁移至 /home/jovyan

⚠️ 默认工作目录：/ryzers/notebooks

⚠️ 用户存档目录：/home/jovyan

# 切换bash
bash
cp <需要保存的文件> /home/jovyan

💻 AUP Code Server（VSCode Server）使用说明

🚀 1. 启动 Code Server 环境

1. 登录后，在启动页面选择 Code Server CPU Environment 或 Code Server GPU Environment

2. 选择所需的硬件配置（如 AMD Radeon™ 8060S GPU）

1. 设置运行时长，点击 Launch Server

2. 等待几秒后，浏览器将自动打开 VSCode 界面

🖥️ 2. 界面介绍

Code Server 的界面和本地 VSCode 完全一致：

• 左侧：文件资源管理器、搜索、源代码管理、调试、扩展

• 中间：代码编辑区域

• 下方：集成终端（Terminal）、端口面板（Ports）、输出面板

📡 3. 端口转发（Port Forwarding）

当你在 Code Server 中运行一个 Web 服务（如 Node.js、Flask、Streamlit 等），系统会 自动检测并转发端口。

使用方法：

1. 在终端中启动服务，例如：

node test.js
# 输出: Running on port: 3000

1. 右下角会弹出通知提示端口已转发，点击 "Open in Browser" 即可在新标签页中访问

1. 也可以在底部 PORTS 面板中查看所有已转发的端口

转发地址格式：

https://tpe.aupcloud.io/user/<your-username>/proxy/<port>/

例如：https://``tpe.aupcloud.io``/user/github%3Ausername/proxy/3000/

注意事项：

• 端口转发是 自动 的，无需手动配置

• 支持任何在服务器上监听端口的服务（HTTP/WebSocket）

• 转发地址可以分享给他人访问（在同一网络授权下）

• 如果端口未自动检测，可在 PORTS 面板手动添加

📸 需要截图位置：这里建议补充一张端口转发弹窗通知的截图

🧩 4. 插件（Extensions）使用

Code Server 支持安装 VSCode 插件来增强开发体验。

已预装的插件：

插件	用途
Python	Python 语言支持、IntelliSense、调试
Jupyter	在 VSCode 中运行 Jupyter Notebook
GitLens	Git 增强（查看 blame、历史、对比）
Python Debugger	Python 断点调试
Ruff	Python 代码格式化和 lint
YAML	YAML 文件语法支持

安装新插件：

1. 点击左侧 扩展图标（四方块形状）

2. 在搜索框输入插件名称

3. 点击 Install 安装

推荐安装的插件：

• C/C++ — C/C++ 开发支持（配合 HIP 开发）

• ROCm HIP — AMD GPU 编程支持

• Remote - Containers — 容器开发支持

• Thunder Client — 轻量 API 测试工具

• Markdown Preview — Markdown 实时预览

注意事项：

• 插件安装在服务器端，镜像重启后需要重新安装

• 建议将常用插件列表记录下来，方便下次快速安装

• 部分插件可能因网络原因安装失败，可尝试刷新页面后重试

🔧 5. 终端（Terminal）使用

在 Code Server 中可以直接使用集成终端：

• 快捷键 `Ctrl + `` 打开/关闭终端

• 支持多终端窗口（点击 + 号新建）

• 默认 shell 为 bash

常用操作示例：

# 查看 GPU 状态
rocm-smi

# 安装 Python 包
pip install torch torchvision

# 运行训练脚本
python train.py

# 启动 Web 服务（会自动端口转发）
python -m http.server 8080

🚪 AUP 正确退出方式（很重要）

使用完成后，请 正确退出：

1. 关闭 Notebook 页面

⚠️ 不要长时间占用服务器资源！

---

❓ AUP 常见问题答疑（FAQ）

Q1：页面打不开 / 加载很慢怎么办？ 🐢

• 检查网络是否正常

• 尝试更换浏览器（推荐 Chrome / Edge）

• 刷新页面或重新登录

---

Q2：如果已经启用一个镜像，想换另一个镜像，无法启动？

1. 请在选择界面，点击 Stop my server 关闭当前镜像

---

Q3：代码报错了，是平台的问题吗？ 😵

大多数情况下不是！

请先检查：

• 是否有拼写错误

• 是否漏写了括号或冒号

• 是否按顺序运行了所有单元

---

Q4：Code Server 中端口转发不生效？

• 确认服务确实在监听该端口（终端中能看到 Running on port: XXXX）

• 检查 PORTS 面板中是否有对应端口记录

• 尝试手动在 PORTS 面板中添加端口

• 如果仍不生效，刷新浏览器页面

---

Q5：Code Server 中插件安装失败？

• 检查网络连接是否正常

• 尝试刷新页面后重新安装

• 部分插件可能不兼容 Code Server（web 版），可尝试搜索替代插件

---

📌 AUP 使用小建议

• ⭐ 经常保存代码

• ⭐ 文件命名清晰（不要用 test123.ipynb）

• ⭐ 不要在一个 Notebook 里写"所有内容"

• ⭐ 遇到问题及时提问，不要憋着

• ⭐ 重要文件记得存到 /home/jovyan 目录

• ⭐ Code Server 用户建议记录常用插件列表，方便重装

四、AMD 开发者云（Radeon Cloud，备用入口）

AMD Radeon Cloud 是 AMD AI 开发者计划中文站提供的浏览器云算力入口。它适合先启动现成模板，确认 ROCm、PyTorch、Notebook 和本专题代码能否运行。

图：Radeon Cloud Gallery 中的 AMD ROCm Embodied AI Policy Replication 工作区示例。平台页面、模板名称和可用硬件会更新，以当前 Gallery 为准。

1. 登录与创建工作区

打开 AMD 开发者云登录入口。中文站通常提供微信、魔搭账号和手机号 / 邮箱验证码等登录方式。

登录后，按“进入 Radeon Cloud → 选择 Notebook / Workspace → 选择 AMD GPU → Launch”的顺序启动工作区。可以先在 Gallery 中搜索 ROCm 或 Embodied AI，优先选择与本专题名称对应的工作区。

2. 开发者云的模型下载方式

开发者云中优先使用魔搭 ModelScope 准备模型和数据。示例命令如下，具体模型名和保存目录按任务替换：

pip install modelscope
modelscope download --model <model-id> --local_dir <model-dir>

下载后先检查文件是否完整，再把训练脚本的模型路径指向本地目录。大文件不要反复下载到临时工作区；如果平台提供持久化 Workspace，把缓存目录放到持久化位置。

3. 开发者云的登录与工作区参考图

活动期间可能有免费算力、积分兑换和魔搭联动任务。额度、兑换规则和有效期会变化，教程只保留操作思路，不把活动额度当成永久配置。

开发者云额度与魔搭联动

如果平台当前账号有积分或活动额度，可以在开发者云页面完成兑换。下面的图片保留了上游平台教程中的操作顺序，图片路径已经统一到本专题的 assets/amd_radeon_cloud/：

兑换流程通常是：在 AMD 开发者计划页面生成兑换链接，进入 Radeon Cloud 的 Profile，打开 Redeem Credits，把兑换链接粘贴到 Coupon Link 后提交。兑换比例、起兑门槛和有效期以平台当前规则为准。

本专题在开发者云上的运行入口

进入工作区后，直接打开本专题的 AMD ROCm 策略复刻专题，推荐从以下顺序开始：

1. 设备与环境确认；
2. 打开 MuJoCo closed-loop Notebook，先运行零训练成功预览；
3. 端到端采集、训练与 MuJoCo 部署；
4. 对应的 ACT、SmolVLA 或 Pi0.5 Notebook；
5. 物理成功评估与视频复核。

这里不再跳转到与本专题无关的入门课程；开发者云在本专题中的用途是运行 ROCm 具身策略复刻代码。