最近训练了深度学习模型，CPU比GPU太慢了，想了也不会花太长时间，准备在网上租个云，刚看到百度云GPU服务器双十一特价便宜NVIDIA Tesla T4，2560个CUDA双十一折扣726包月。

别误会，这不是广告！

  想了想，先买一个按小时收费的体验。NVIDIA Tesla T4 8G最便宜的型号约4.73元/小时。让我们分享试用经验。主要根据以下入门文件操作：创建虚拟机

  第一步:注册用户(此处省略)。

  第二步：创建实例：

付款方式选择后付款(先付款是月/年，后付款是小时付款)配置，重点选择型号，一开始选择最便宜的，架构选择异构计算GPU、FPGA，型号如下所示。镜像选择GPU镜像中的16.04 LTS amd ** ( ** bit)-CUDA10.我用的0镜像PyTorch需要CUDA10.在弹性资源中，选择购买弹性公网IP否则，没有外网IP，无法使用ssh连接到网页上的服务器VNC连接。

  配置完成后，直接打开远程虚拟机，可用于浏览器VNC如下图所示，连接效果如下：

安装工具

  连接后，安装了一些与深度学习相关的工具：

  先用ssh连接远程服务器：

$ ssh root@公网IP地址

  安装常用工具

$ apt install unzip$ apt install python3-pip # python包管理工具

  更换pip源(如不更换pip安装软件会很慢)

$ mkdir ~/.pip$ vi ~/.pip/pip.conf

  输入以下内容：

[global]index-url = ** /[install]trusted-host=mirrors.aliyun.com

  安装深度学习工具pytorch

$ pip3 install torch$ pip3 install torchvision

  看一下torch是否可用，在Python程序运行：

import torchtorch.cuda.is_available()

  如果输入为True，则CUDA可正常使用。pytorch-example中的mnist，跑步大约三五分钟。

  其他常用库(版本匹配，比较麻烦，也可以直接安装conda）

$ apt install lib ** 6$ pip3 install opencv-python$ pip3 install ** tplotlib==3.0$ pip3 install pandas==0.22.0$ pip3 install scikit-i ** ge==0.14.4$ pip3 install Cython

  安装Jupyter 有些镜像本身包含jupyter notebook，可跳过安装，直接操作。

$ pip3 install jupyter

  启动jupyter notebook

$ jupyter notebook --allow-root --ip 0.0.0.0

  注意设置--ip打开远程访问，否则可能无法连接；如无法连接，建议在安全组检查88端口是否允许访问。

  查看GPU使用情况

$ nvidia- ** i$ nvcc-V总结环境是Ubuntu 16.04加CUDA，系统比较干净，Apt还配备了软件源；使用；Docker或者Python需要自行安装Ssh Jupyter连接服务器的方式与本地开发几乎没有区别。百度智能云APP您可以随时查看收费情况。最小计费单位为分钟。只要创建实例（虚拟机），无论启动或关闭，只要不释放，都会计费和云磁盘CDS和弹性公网IP也是如此。换句话说，如果发布例子，以前建造的环境将消失。如果不发布，将收取费用。百度云支持用当前环境创建镜像，即40G该系统一次生成大约十分钟的新镜像。建议将常用环境制成镜像，以保持开发环境，比不释放资源便宜得多。GPU服务器更贵。在战略上，亚马逊和美团的服务器使用相似，主要取决于价格。Linux对于程序员来说，租用服务器比使用他人建造的服务器要好Web服务（如SinaAppEngine）好多了。假设有一天你觉得租的机器还不够快，可以申请顶级服务器，用自己的镜像启动，挂云盘的数据直接运行，就像在自己的机器上运行一样。更换模型非常方便。最后，省钱的方法是将开发环境制成镜像，并将数据存储在云盘上。每次使用前申请虚拟机，使用后立即释放。这样，当您不使用时，您只需支付每100左右的镜像和云盘存储费G每天一块多钱。如果长时间使用，用便宜的主机处理下载、转码、配置环境等日常事务，而GPU主机只做运算，挂云磁盘CDS共享数据。虽然每月的折扣比每小时的租金便宜得多，但建议新手一开始每小时的租金，因为他们不确定一开始使用多少，如何使用它。