从登录，到连接环境。
申请开发环境后，直接通过 SSH、VS Code 或 SFTP 开始工作。
登录工作台 →登录账户
使用管理员提供的平台用户名和密码。需要账户时联系实验室管理员。
申请环境
选择系统与 PyTorch 版本、CPU、内存及 GPU 使用方式，点击提交申请。
复制 SSH 命令
等待环境就绪，在当前环境卡片复制公网或内网命令，在终端运行。
连接信息在哪里？
登录后的“当前环境”卡片直接显示公网和内网 SSH 命令。公网为 115.191.0.142:320xx，内网为 10.166.33.181:220xx，以页面显示的实际端口为准。
SSH 登录用户为 root。密码方式使用自己的平台账户密码；公钥方式使用对应的本机私钥。
管理端口 22 和 2222 不用于个人开发环境。重新申请后请重新复制当前命令。
接下来怎么用
密码、公钥和 VS Code
展开工作台的“SSH 登录设置”，可上传 .pub 文件或粘贴公钥，再点击保存。私钥留在本机。网页登录仍使用平台账户密码。
选择账户密码时，可生成新密码；这会同时替换平台登录与环境 SSH 的账户密码。配置公钥不会关闭已有密码验证。
VS Code 使用 Remote SSH 扩展。参考以下配置，把端口和账户别名替换成工作台中显示的值：
Host gpu-lab
HostName 115.191.0.142
User root
Port 32000
HostKeyAlias lab-你的平台用户名公钥登录需选择匹配的本机私钥。页面提供的 HostKeyAlias 可避免端口复用混淆连接记录。
代码、数据和软件安装
代码放在 /workspace，支持 SFTP。/datasets 为只读共享数据。
容器内可使用 apt、pip 安装软件。同一账户、同一镜像的系统环境会复用，工作区持续保存；切换镜像使用另一套系统环境。释放环境会结束进程，重新申请后需手动启动程序。
容器使用宿主内核和网络，可管理自己的软件环境；更换内核、驱动等由管理员处理。
共享 GPU、独占与排队
每张 GPU 提供两个共享名额，同卡任务共用显存和算力。显存没有固定切分，任务占满显存时，同卡任务可能报显存不足。可减小 batch size、减少常驻模型或与同卡用户协调。
需要整张卡时选择“整卡独占”。两张卡都有任务时，仍可能有空闲共享名额可供申请；名额全满后，新 GPU 环境需要排队。已有环境可继续开发，当前申请入口不单独提供无 GPU 环境。
普通账户最多同时运行一个作业，最多六个已提交作业。完成工作后点击“释放环境”。
批处理、日志与历史记录
在申请区域切换“批处理”，填写例如 python3 train.py 的脚本。程序在 /workspace 执行，结束后释放资源。
展开“历史记录”查看已结束作业与日志，可搜索并翻页。“统计与存储”中可查看用量与磁盘余量。
连接失败怎么办？
Permission denied (publickey)：确认使用当前环境端口、登录用户 root，并已保存匹配的公钥。- SSH 超时：先确认环境运行且 SSH 就绪，选择正确的公网或内网入口；公网端口需由管理员放行。
- 申请后等待：查看 GPU 名额、CPU 或内存是否被占用，避免重复提交。
- 主机密钥提示变化：先请管理员核对环境；使用页面提供的 HostKeyAlias。
- 找不到已安装软件：确认使用原来的账户与镜像。