注：本文内容来自于对DataWhale的开源学习项目——免费GPU线上跑AI项目实践的学习，参见：Docs，引用了多处DataWhale给出的教程。1.创建项目1）进入趋动云用户工作台，在当前空间处选择注册时系统自动生成的空间（其他空间无免费算力）；2）点击快速创建，选择创建项目，创建新项目；3）填写项目名称及项目描述；镜像和数据集选择如下；4）点击确定，其余无需填写，右下角创建，系统弹出上传代码的提示，单击暂不上传，项目创建成功。如下图示：2.初始化开发环境实例找到最右侧开发--> 初始化开发环境实例 按照下图进行选择运行初始化中，约5~10分钟，当右侧的网页终端和JupyterLab不再是

一、引言在当今的AI时代，深度学习模型的应用越来越广泛。其中，由清华大学开发的ChatGLM模型是一款基于GLM架构的语言生成模型，具有强大的对话生成能力。然而，如何将这种模型部署到实际的应用中，是一个重要的问题。作者通过Datawhale的学习，将介绍如何使用趋动云部署ChatGLM模型。二、趋动云简介趋动云是一款专门为开发者提供的AI模型部署平台。它提供了一站式的模型训练、部署、管理服务以及大量的ChatGLM资源，使得开发者可以更加方便地将AI模型应用到实际的业务中。三、ChatGLM模型部署1.注册趋动云账号：首先，我们需要在趋动云官网注册一个账号（链接​​​​​​​趋动云账号注册​​

背景近年来，国家对算力的重视程度不断提升。在算力基础设施方面，先后发布《全国数据中心应用发展指引》、《关于加快构建全国一体化大数据中心协同创新体系的指导意见》等；在算力服务方面，发布了《推动企业上云实施指南》、《云计算发展三年行动计划》等。虽然国家对算力的不断重视使得算力发展进入快车道，但是在社会应用层面依然各式各样的问题亟待技术界、产业界一一解决。例如，在支持AI技术的应用方面，GPU是其中一个关键要素。GPU擅长更高效地处理大量并行的数据和任务，经常与CPU搭配使用，以发挥各自的长处。然而近些年，全球众多企业用户却陷入了买不到或买不起的“芯片危机“，以及算力需求不断增长的矛盾之中。因此，企

B站大V秋葉aaaki的StableDiffusion整合V4版发布了，集成度比较高，在windows下解压缩直接就可以使用，整合的非常好。但是笔人没有RTX4090这样级别的显卡，又希望有个高速运行的效果。所以索性到云GPU主机上来用秋叶aaaki的StableDiffusionwebui，一番研究后，在趋动云部署成功。运行良好，速度飞快。特此分享。一、安装包分析秋叶aaaki的StableDiffusion安装包下载下来后，目测主要进行了python环境的集成，以及windows下的git工具集成。这样再加上一个windows的启动器程序，就可以很好的控制环境变量的加载和一些安装包扩展组件

StableDiffusionWebui环境搭建，首先新建一个项目： 然后，选择镜像。注意点公开的，已近做好的这个镜像，superx创建，集成了miniconda3的镜像。然后选择添加数据源，一样，还是点公开，搜索sd_model_spuerx就可以找到了，还是由superx创建。 都选择好之后，选择创建项目。暂不上传代码。然后点击侧边栏代码按钮，然后可以看到运行代码，点他 之后选择主机，注意一定要选显存大一些的，按图来就行。这里还要注意，把19527端口开放了。 等待项目启动后，我们进入开发环境。这里注意，要记录一下公网映射的端口，经常会变，以后服务启动了，要从这个端口去访问。 接下来进入正