飞天加速计划·高校学生在家实践——ECS服务器初体验

简介: 我当前是计算机专业研二学生,现就读于北京科技大学,主攻方向是计算机视觉(CV)中的图像分割,我们实验室也有GPU计算集群,不过在知乎偶然一次机会了解到阿里云的高校计划,从链接点进来后,经过一系列熟悉的操作,我慢慢了解到云服务器ECS这一概念。

第一部分

我当前是计算机专业研二学生,现就读于北京科技大学,主攻方向是计算机视觉(CV)中的图像分割,我们实验室也有GPU计算集群,不过在知乎偶然一次机会了解到阿里云的高校计划,从链接点进来后,经过一系列熟悉的操作,我慢慢了解到云服务器ECS这一概念。

第二部分

刚开始申领到的阿里云服务器是需要修改默认密码的,不然原生的初始密码太长,根本记不下来,除此之外,我发现ECS服务器自带阿里源,下载各种东西都是炒鸡快,这一点我是真的特别喜欢。新挂载的服务,需要在阿里云控制平台开放端口,只有这样才能在公网上访问到。

一般来说,我在学校用服务器主要是做GPU加速训练的,但在ECS上,我可以实践更多我平时没有机会时间的,比如做一个博客网站,在上面能够发表文章,购买一个域名,将通过域名解析,对应服务器IP,真正的实践出计算机网络和计算机原理的知识。

使用ECS时也遇到一些环境问题,主要是大部分服务不应该在root用户下进行,我想多加个用户,但初期登录却又只能通过root登录,没办法,我只能在登录root时,su 用户。

如果像快捷安装一些服务,我推荐使用docker,但如果是深入源码进行学习,还是要将源码从0开始编译,使用一些调试工具,比如gdb等,慢慢分析日志才能由浅入深的学习源码。

第三部分

我在闲暇时间使用这台服务器实践了很多当初只能在虚拟机上尝试的知识,真切的感受到物理机的问题和真实,希望以后能长租一些服务器,继续捣鼓一些有意思的实践。

第四部分

我在服务器上搭建了一个博客,暂时没有上域名。

相关实践学习
通义万相文本绘图与人像美化
本解决方案展示了如何利用自研的通义万相AIGC技术在Web服务中实现先进的图像生成。
7天玩转云服务器
云服务器ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,可降低 IT 成本,提升运维效率。本课程手把手带你了解ECS、掌握基本操作、动手实操快照管理、镜像管理等。了解产品详情: https://www.aliyun.com/product/ecs
相关文章
|
21天前
|
存储 传感器 安全
工业互联网数据安全专项行动启动 三年实现核心企业防护全覆盖 - 金海境科技
服务器数据恢复,勒索病毒解密恢复,虚拟化数据恢复,数据库修复数据恢复,VMWare数据恢复,分布式数据恢复,vSAN数据恢复,存储数据恢复,数据恢复
179 97
|
18天前
|
数据采集 SQL 自然语言处理
脏数据不脏心:大数据平台的数据质量(DQ)入门实战与自动修复心法
脏数据不脏心:大数据平台的数据质量(DQ)入门实战与自动修复心法
130 20
|
18天前
|
监控 Kubernetes 安全
边界已死,信任重构:零信任架构的真相与落地心法
边界已死,信任重构:零信任架构的真相与落地心法
97 17
|
1月前
|
人工智能 自然语言处理 供应链
应用创新丨从赋能到重塑,AI Agent 构建企业智能新引擎
企业应用 AI 正经历从“调用模型”到“构建 AI Agent”的根本性范式转变。
应用创新丨从赋能到重塑,AI Agent 构建企业智能新引擎
|
1月前
|
SQL 分布式计算 大数据
【跨国数仓迁移最佳实践8】MaxCompute Streaming Insert:大数据数据流写业务迁移的实践与突破
本系列文章将围绕东南亚头部科技集团的真实迁移历程展开,逐步拆解 BigQuery 迁移至 MaxCompute 过程中的关键挑战与技术创新。本篇为第八篇,MaxCompute Streaming Insert:大数据数据流写业务迁移的实践与突破。 注:客户背景为东南亚头部科技集团,文中用 GoTerra 表示。
275 38
|
20天前
|
弹性计算 运维 API
用错工具比没工具更可怕:Ansible vs Terraform 实战对比,用最接地气的方式讲清楚
用错工具比没工具更可怕:Ansible vs Terraform 实战对比,用最接地气的方式讲清楚
168 22
|
安全 JavaScript Docker
Agent Skills技术协议与开源实现,让大模型拥有“即插即用”技能
Anthropic推出Agent Skills协议,通过模块化技能封装提升大模型智能体的专业能力。ModelScope开源项目MS-Agent已实现该协议,支持技能的动态加载、自主执行与安全沙箱运行,推动智能体能力的可组合与可扩展发展。
714 29
|
16天前
|
编解码 数据可视化 图形学
《Draw Call优化进阶:从资源逻辑到场景长效性》
本文聚焦Unity开发中Draw Call高企的核心痛点,分享一套兼顾视觉完整性与运行效率的非传统优化体系。从开放世界场景的实操经验出发,拆解底层逻辑:通过材质通道分层、静态物体动态合并的资源预处理策略,减少调用冗余;以CPU与GPU的渲染压力分摊机制,打通管线协同壁垒;借助分层监测+对比验证的个人化工具逻辑,精准定位优化靶点;并建立资源分级、Draw Call预算分配的长效维护机制,应对多设备适配与场景迭代需求。整套方案跳出"单纯削减数量"的固化思维,通过重构资源组织与渲染逻辑,在不牺牲视觉质感的前提下实现性能突围,为开发者提供从底层认知到实操落地的完整思维模型,助力高效解决渲染瓶颈。
76 11