使用容器
GPU 容器创建完成并进入运行中状态后，可以通过 SSH 或 Jupyter 进入容器，使用 GPU 进行开发、训练和推理。
概述
容器运行后，实例详情页会展示 GPU 型号、GPU 数量、镜像、磁盘用量、计费周期和访问端口等信息。日常使用时，重点关注容器状态、连接入口、GPU 是否可见和数据盘容量。
建议把代码、数据、模型和输出文件统一放在 /workspace，避免系统盘空间不足或数据管理混乱。
查看容器信息
进入实例详情后，重点查看以下内容：
| 信息 | 说明 |
|---|---|
| 实例 ID | 启动、停止、删除、扩容时用于定位实例 |
| 状态 | 运行中 时可以连接使用 |
| GPU 型号和数量 | 当前容器分配到的 GPU 资源 |
| 镜像 | 当前容器使用的系统和框架环境 |
| 数据盘容量 | /workspace 的总容量、已用容量和使用率 |
| 访问端口 | SSH、Jupyter 等连接入口 |
| Jupyter 地址 | 浏览器访问 Notebook 的入口，通常已带访问 token |
SSH 连接
实例详情中会展示 SSH 访问入口。找到用途为 SSH 的端口后，可以复制页面提供的 SSH 命令。
命令示例：
ssh root@103.44.80.45 -p 30037Windows 用户可以在 PowerShell 或 Windows Terminal 中执行：
ssh root@103.44.80.45 -p 30037
第一次连接时，如果终端提示：
Are you sure you want to continue connecting?输入：
yes然后按提示输入创建容器时设置的 SSH 密码。密码输入过程中不会显示字符，这是正常现象，输入完成后回车即可。
平台不会在实例详情、列表、日志、订单或账单中展示 SSH 密码。如果忘记密码，请重新创建容器或按平台后续提供的重置能力处理。
Jupyter 访问
如果镜像中已安装并启动 Jupyter，实例详情会提供 Jupyter 访问地址。优先复制页面展示的 Jupyter 地址到浏览器打开；该地址通常已经带有访问 token。
访问地址示例：
http://103.44.80.45:40037/?token=kapczxmgf4shirngmjd1lnqvABCDE12
如果页面要求输入 token，可以复制实例详情中的 Jupyter token；token 由系统创建容器时自动生成，用户不需要手动设置。
如果浏览器无法打开，请检查：
| 检查项 | 说明 |
|---|---|
| 实例状态 | 必须是 运行中 |
| 服务状态 | 镜像内需要启动 Jupyter 服务 |
| 监听地址 | Jupyter 应监听 0.0.0.0 |
| 端口 | 使用页面展示的 Jupyter 端口 |
| 网络 | 本地网络需要能访问该地址 |
如果当前镜像没有自动启动 Jupyter，可以先通过 SSH 进入容器，再执行启动命令：
jupyter lab --ip=0.0.0.0 --port=8888 --allow-root --ServerApp.token="${JUPYTER_TOKEN}"
启动后仍以实例详情页展示的 Jupyter 外部地址为准，不要直接访问容器内的 127.0.0.1:8888。
使用 GPU
进入容器后，先确认 GPU 是否可见：
nvidia-smi
正常情况下可以看到 GPU 型号、显存、驱动和 CUDA 信息。
如果镜像安装了 PyTorch，也可以检查 CUDA 是否可用：
python - <<'PY'
import torch
print(torch.cuda.is_available())
print(torch.cuda.device_count())
PY如果 Python 示例失败，可能只是镜像没有安装 PyTorch。请先以 nvidia-smi 的结果为准。
使用数据盘
推荐将长期数据放到：
/workspace例如：
cd /workspace
mkdir -p project data output不建议把重要数据放在 /、/tmp 或 /root 下。
查看磁盘容量：
df -h /
df -h /workspace
数据盘使用率达到预警阈值时，请及时清理无用文件或扩容数据盘。
数据盘扩容
当 /workspace 容量不足时，可以在实例详情页发起数据盘扩容。
扩容规则：
| 项目 | 说明 |
|---|---|
| 扩容对象 | 只扩容数据盘 /workspace |
| 目标容量 | 必须大于当前数据盘容量 |
| 系统盘 | 不支持扩容 |
| 费用 | 新增容量会按存储计费规则计费 |
扩容完成后，实例详情中的数据盘总容量和可计费容量会更新。
停止、启动和删除
停止容器
停止会关闭容器运行状态，适合临时不使用 GPU 的场景。
停止后请注意：
- 停止不等于删除。
- 容器和数据仍保留。
- 如果数据盘超出免费额度，存储费用可能继续产生。
启动容器
已停止的容器可以重新启动。启动成功后，状态会回到 运行中，再通过 SSH 或 Jupyter 连接使用。
删除容器
删除会释放容器、GPU 占用和访问端口，关联数据盘会进入释放流程。
删除前请确认：
- 重要代码、数据和模型已经保存或迁移。
- 不再需要该容器继续运行。
- 删除后实例默认不再出现在列表中。
注意事项
创建成功后不能立刻连接时，请等待状态变为
运行中。SSH 连接失败时，优先检查实例状态、SSH 端口、网络连通性、密码和镜像内 SSH 服务。
Jupyter 打不开时，优先检查实例状态、Jupyter 地址、token、镜像内是否启动 Jupyter，以及是否监听
0.0.0.0:8888。磁盘使用率来自容器内
df口径，可能与手动计算结果略有差异。停止容器可以减少运行任务，但不等于释放所有资源；确认不再需要时请删除容器。
删除容器前请先备份重要数据。