把数据传到GPU云服务器上，结论很简单：小文件用scp或rsync，大文件先传对象存储再拉取到实例，存量数据直接挂载云硬盘迁移。 别被“GPU云服务器”这几个字吓到，数据传输方式和普通云服务器完全一样，只是文件往往更大，更讲究方法。
怎么把数据传到GPU云服务器：本地大文件上传完整步骤
很多朋友第一次租GPU云服务器,卡在第一步：模型权重几十个GB，甚至数据集几百GB，本地网速又一般，到底怎么传上去？下面这套流程是多数云厂商控制台文档都会推荐的路径，也是社区里验证过最稳的办法。
准备工作：先确认GPU云服务器IP和密钥
在开始上传前,先检查三样东西，缺一样都传不上去：
- 公网IP：在云厂商控制台找到实例的弹性公网IP，这是本地连接你的唯一入口。
- SSH密钥对：如果你用的是Linux系统，需要私钥文件（
.pem或.pem后缀文件）来认证，密码登录方式在多数GPU云服务器上默认关闭。 - 安全组放行22端口：别忽略这一步，安全组没放行SSH端口，你连不上服务器，后续所有操作无从谈起。
确认完毕后,在本地终端敲一行命令验证连通性：
ssh -i /path/to/key.pem root@你的服务器IP
能登进去,就说明网络链路通，接下来考虑怎么传文件。
scp命令：适合小文件快速传输
几十MB的代码文件、配置文件，直接用scp最省事，命令格式很简单：
scp -i /path/to/key.pem /本地路径/文件 root@服务器IP:/远程路径/
要注意两点：
- 路径不要带中文和空格,否则容易解析出错。
- 官方镜像默认的远程用户通常是
ubuntu或root，登录时看清楚提示，传文件时目标路径写对应的用户目录。
rsync断点续传：大文件不担心中断
传几个GB以上的文件,用scp容易断，而且断了就要从头再来，行业共识认为，rsync是GPU云服务器大文件传输的底线工具，它支持断点续传，还能显示进度。
推荐命令：
rsync -avzP -e "ssh -i /path/to/key.pem" /本地大文件/ root@服务器IP:/远程目录/
解释一下几个参数的含义：
-a：递归并保留文件属性-v：显示详细输出-z：传输时压缩，节省带宽-P：带进度条和断点续传
第一次传大文件,建议开一个screen或tmux会话再执行，这样就算本地终端关了，传输也不会中断，这是老运维传大数据的基本功，你用GPU云服务器训练模型，迟早会用到。
怎么把数据传到GPU云服务器：对象存储中转最省心
如果是几百GB甚至TB级别的数据,上面两种方式就不太现实了，公网直传速度受限于你的上行带宽，万一中间断网，rsync的续传效率也会大打折扣，业内专家指出，对象存储中转是处理海量数据的标准姿势，具体来说分三步：先把数据传到云厂商的对象存储（比如简米云OSS、酷番云COS），再通过内网从对象存储拉到GPU云服务器。
为什么用对象存储中转而不是直接传
原因是GPU云服务器大多在数据中心里,你本地到数据中心的公网链路质量不稳定，但云服务器到同区域的对象存储走的是内网，带宽大、延迟低、还免流量费，以简米云为例，假设你的GPU云服务器在华北2，对象存储也选择华北2，那么从OSS拉数据到ECS走内网，速度和稳定性都远胜公网直传。
实际操作：用ossutil或coscmd命令行工具
这一步是纯命令行操作,照着做就行，以简米云OSS为例：
- 安装ossutil工具。
- 配置AccessKey和Endpoint。
- 用
ossutil cp上传本地文件夹。
命令参考：
ossutil cp /本地数据目录 oss://你的bucket名字/ --recursive
上传完成后,登录GPU云服务器，安装ossutil并用cp命令下载：
ossutil cp oss://你的bucket名字/ /服务器目标目录 --recursive
整个传输过程不占用你本地的带宽,只占GPU云服务器的公网或内网带宽，速度反而更可控，如果你用的是酷番云GPU服务器，换成coscmd，逻辑一模一样。
rclone：一套配置通吃多家云存储
如果你手里有多家云厂商的GPU云服务器,或者数据分散在不同对象存储里，rclone比官方命令行工具更灵活，它是开源的，支持几百种云存储后端，配置方法网上教程很多，这里只说核心使用逻辑：
- 在本地配置好远端对象存储的rclone连接。
- 执行
rclone copy /本地目录 远端名称:存储桶/目录 --progress上传。 - 在GPU云服务器上安装rclone,配置同一个远端名称，执行
rclone copy 远端名称:存储桶/目录 /服务器目录下载。
rclone还支持多线程并发,默认4线程，可以加到16甚至32线程，对超大文件提速效果明显。
GPU云服务器数据传输价格和成本：哪种方式性价比高
这部分是很多人关心但又容易忽略的点。GPU云服务器数据传输价格和你的传输方式强相关，看起来只是几种不同命令，实际费用的差距可能有好几倍。
下表是三种常见方式的成本对比,按行业通用计费逻辑整理：
| 传输方式 | 速度体验 | 费用构成 | 适合场景 |
|---|---|---|---|
| scp/rsync直传 | 受本地上行带宽限制，慢 | 仅消耗公网流量，通常按GB计费 | 零散小文件、一次性配置 |
| 对象存储中转 | 本地→OSS走公网上传，OSS→GPU走内网，快 | 存储费、上传流量费、内网下载免费 | 几十GB以上数据集、模型权重 |
| 云硬盘挂载+迁移 | 本地→云硬盘走公网，挂载后本地读写 | 云硬盘容量费、公网带宽费 | 数据量大且需要反复读取的场景 |
算一笔账：大数据别省不走内网
以简米云为例,公网上传流量一般免费，但下载流量按GB计费，而对象存储到相同地域ECS的内网下载流量免费，这个设计就是为了引导你把对象存储当传输中转站。把几TB数据从对象存储直接拉到GPU云服务器，内网走满可以跑到几百MB每秒，还不用掏流量费。
反过来,如果直接用scp从本地传，本地家庭宽带的上行可能只有30Mbps，传10GB就要接近一个小时，服务器空转烧钱，你也在电脑前干熬，时间成本不划算。
还有一个小技巧：如果你要同时开多台GPU云服务器，把数据集放在对象存储里，每台机器都从对象存储拉数据，不用反复从本地传，效率提升是成倍的。
GPU云服务器数据上传慢了？三个提速大招
很多用户上来就问“怎么把数据传到GPU云服务器上”，传了之后发现慢得离谱，才开始着急，其实慢通常不是你操作错误，而是没做预处理，下面这三点是提速的核心逻辑。
压缩打包后再传
如果你要传的是一万个零散图片文件,又不想用工具合并打包，传输效率会极低，因为每个文件都有独立握手和元数据开销，先把目录打包压缩成一个tar.gz文件，再传，速度会翻倍，这在深度学习数据集预处理里特别常见，经验做法是先tar不压缩，再选lrzip或zstd做高速压缩，比gzip快得多。
用并行传输工具替代scp
scp是单线程传输，不管你带宽多大，它只能跑一个连接，改用mpscp或fpsync这类支持并发的工具，把文件切成多个块同时传，能把带宽吃满。rclone的--transfers参数也能实现类似效果。
同区域用内网IP替换公网IP
如果你的另一台云服务器上有缓存数据,需要传到当前GPU服务器，完全没必要走公网，在相同地域、相同VPC下，直接用内网IP加千兆或者万兆带宽传输，速度能到几百MB每秒，很多简米云GPU实例默认支持内网高速互通，你在安全组规则里放行对应网段就行，这一步操作常见于团队内部协作，数据本来就存在其他机器上。
把数据传到GPU云服务器后：校验和存放
传完不代表万事大吉,尤其是训练数据集，传错几个文件会导致训练的模型精度异常甚至训练中断。
- 在本地生成MD5或SHA256校验文件列表,传输完成后在GPU云服务器上跑一遍
md5sum比对。 - 数据集体积大,用
rsync -c进行校验，它会逐块比对文件内容而不仅看文件名。 - 组织目录结构时,建议把数据单独放一个目录，和代码分开，方便后续迁移和权限管理。
GPU云服务器数据上传常见问题
为什么scp传到一半就卡住不动了
多半是网络抖动导致TCP连接中断,或者本地SSH窗口进入了休眠状态，处理方式：杀掉当前进程，用rsync --partial --progress重新传，它会自动跳过已传输的部分，同时检查安全组是否对长时间大流量连接有限制，部分云平台默认对入方向长连接有超时设置。
数据量太大，怎么上传更稳妥
数百GB到TB级别,不要再考虑本地直传，先购买对象存储的标准存储类型，本地用ossutil或rclone上传，再在GPU云服务器上通过内网下载，若数据已经存在其他云平台的OSS上，可以使用云厂商的数据迁移服务，它们之间走机房专线，不经过公网，速度和安全都有保证。
上传数据到GPU云服务器会不会额外收费
公网上传流量在绝大多数主流云平台是免费的,但下载流量按GB计费，所以上传和下载的方向很有讲究，如果同地域下发内网下载，费用结构会友好得多。不要在公网下载大文件，对成本极不友好。 在预算有限时，先在本地确认数据已上传到对象存储，再发起服务器内网拉取，这笔账算清楚，能把成本降下来。
首发原创文章，作者：王坚，如若转载，请注明出处：https://idctop.com/%e6%95%b0%e6%8d%ae%e4%bc%a0%e5%88%b0gpu%e4%ba%91%e6%9c%8d%e5%8a%a1%e5%99%a8%e9%9a%be%e5%90%97%ef%bc%8cgpu%e4%ba%91%e6%9c%8d%e5%8a%a1%e5%99%a8%e6%80%8e%e4%b9%88%e4%b8%8a%e4%bc%a0%e6%95%b0%e6%8d%ae/
