小编前几天和揽睿星舟官方小伙伴在社区认识，为了推广平台，官方免费给出CH社区小伙伴社区送算力了，作为福利送给粉丝，无套路含泪送给大家(￣▽￣)~，回馈粉丝长期关注于支持，请关注公众号ChallengeHub即可获取抽奖方式。
本次抽奖设置四个奖项：
- 一等奖1个1000元算力（官方给小编充值的账号）
- 二等奖500元算力*2个
- 三等奖100元算力*5个
揽睿星舟平台链接：
https://www.lanrui-ai.com/
下面给出平台使用教程
https://paritybit-us.gitbook.io/lan-rui-xing-zhou/yong-hu-shou-ce/kuai-su-kai-shi
1. 上传数据到网盘
平台为每个用户都分配一个网盘，登录后点击控制台，在左侧导航栏就能找到网盘入口。
用户可以在浏览器完成上传文件，上传文件夹，删除文件等基本操作，针对大文件，强烈建议使用命令行工具。
每个用户的网盘都是隔离的，底层采用分布式存储技术，可以保证5个9的数据可靠性。
每个新用户，平台会赠送10GB大小的存储空间，超过10GB需要按容量进行收费。
2. 创建工作空间
点击算力市场，可以看到平台上提供的算力资源。按照计费方式，可以分为按量付费资源和包月资源。这两个的区分是：
购买按量付费的资源后，会帮用户自动创建一个工作空间（安装指定镜像的容器开发环境），平台会按小时进行资源计费。只要用户没有手动停止，该实例会一直运行。
购买包月资源后，不会自动创建工作空间，已购的资源会出现在控制台-我的资产-我的算力中。包月资源在购买时进行扣费，到期后会自动释放。
这里我们选择按量付费的资源，点击使用，然后选择一个pytorch镜像，用户可以选购买数据盘（当前支持200G，500G两种规格），可以加载平台数据集，模型，并设置自动停止时间。如果无需这些设置，直接点击创建实例即可。
为了后续的例子，我们加载数据集flower-photos，加载模型resnet34-pth
可以通过jupyter进入工作空间：
3. 开始训练
接下来我们可以把工作空间当做运行在linux服务器的jupyter使用就可以，支持在线编程以及terminal链接
我们来复现pytorch_classification/Test5_resnet这个项目，按照说明，这个项目会使用resnet34网络对flower_photos数据集进行迁移学习。
首先，我们按照项目要求，将数据集复制到deep-learning-for-image-processing/data_set目录并进行训练集和验证集的划分
cd ~/deep-learning-for-image-processing/data_set
mkdir -p flower_data/flower_photos
cp -r ~/imported_datasets/flower-photos/* flower_data/flower_photos
python3 split_data.py
进入pytorch_classification/Test5_resnet项目目录，按照说明，把resnet34这个模型拷贝到该目录下，并执行train.py脚本
cd ~/deep-learning-for-image-processing/pytorch_classification/Test5_resnet
cp ~/imported_models/resnet34-pth/resnet34-333f7ec4.pth resnet34-pre.pth
python3 train.py
默认epoch=3，可以看出，因为使用了resnet34预训练的权重，第1轮epoch，准确率就能达到94%。
