1.引言

在人工智能迅猛发展的时代，丹摩智算平台（DAMODEL）凭借卓越的AI算力服务脱颖而出，为开发者提供了简化AI开发流程的强大工具。通过灵活租赁GPU资源，丹摩智算平台显著提升了机器学习和深度学习项目的开发效率和便捷性。本文将详细介绍如何在丹摩智算平台上部署并使用智谱清影的最新视频处理技术——CogVideoX-2b，以及如何充分利用丹摩平台在双11期间推出的限时优惠活动，包括算力券、红包和抽奖等多重福利

1.1背景

丹摩智算平台以其用户友好的界面和强大的技术支持，成为AI开发者的首选。它不仅提供了高性能的计算资源，还通过各种优惠活动吸引用户，进一步降低了AI开发的门槛。

1.2访问与登录

• 访问地址：丹摩智算平台官网

• 访问平台：使用支持的浏览器，如Edge/Chrome打开丹摩智算平台官网。

• 用户登录：输入账号和密码登录。如果是首次使用，请先完成注册并完善个人信息。

• 

2.部署与使用

2.1.创建项目

• 登录后，左边侧边栏点击GPU云实例。

• 点击“创建实例

• 

• 资源选择：选择适用的计算资源类型（如 CPU、GPU、内存需求等）。

• 以下是我的选择

• 

• *镜像选择**： PyTorch（PyTorch2.3.0，Ubuntu-22.04，CUDA12.1 版本）镜像。

密钥对：创建自己的密钥对。

进入 JupyterLab

打开终端

2.2环境配置

首先拉取 CogVideo 代码的仓库

wget http://file.s3/damodel-openfile/CogVideoX/CogVideo-main.tar

下载完成后解压缩

tar -xf CogVideo-main.tar

其次，进入 CogVideo-main 文件夹，输入安装对应依赖：

cd CogVideo-main/
pip install -r requirements.txt

在终端输入 python，然后输入以下代码进行测试：

import torch
from diffusers import CogVideoXPipeline
from diffusers.utils import export_to_video

无报错，代表安装成功。
输入quit()可退出 python。

2.3模型与配置文件

运行命令

cd /root/workspace
wget http://file.s3/damodel-openfile/CogVideoX/CogVideoX-2b.tar

下载完成后解压缩CogVideoX-2b.tar

tar -xf CogVideoX-2b.tar

解压后的目录如图所示

2.4开始运行

进入CogVideo-main文件夹，运行test.py文件：

cd /root/workspace/CogVideo-main
python test.py

运行成功后，您可以在当前文件夹中找到生成的output.mp4视频文件：

• webUI

CogVideoX模型还提供了WebUI演示，您可以在CogVideo-main文件夹中运行gradio_demo.py文件：

cd /root/workspace/CogVideo-main
python gradio_demo.py

此时我们需要通过丹摩平台提供的端口映射能力，把内网端口映射到公网；进入GPU 云实例页面，点击操作-更多-访问控制：

通过丹摩平台的端口映射功能，将内网端口映射到公网，然后通过访问链接即可访问到启动的gradio页面：