最近练习了深度神经网络实体模型，CPU比GPU太慢了，想了也不会花太长时间，提前准备在网上租云，刚看到百度云盘GPU双十一服务器便宜划算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，先有一种按小时收费标准的感觉。NVIDIA Tesla T4 8G最划算的型号规格约为4.73元/小时。让我们分享我们的工作经验。关键是基于以下新手入门文件的实际操作：创建虚拟机
第一步:申请注册客户(此处省略)。
第二步：建立案例：
付款方式选择后付款(先付款为月/年，后付款为小时)，关键选择型号规格，一开始选择最划算的，结构选择异构计算GPU、FPGA，型号规格如下所示。镜像选择GPU镜像中的16.04 LTS amd ** ( ** bit)-CUDA10.我用0镜像PyTorch必须CUDA10.在延展性网络资源中，选择购买延展性公网IP否则，没有外网IP，没法应用ssh网络服务器连接到网页VNC联接。配备成功后，可同时用于计算机浏览器VNC如下图所示：
安装专用工具连接后，安装了一些与深度神经网络相关的专用工具：
先用ssh连接虚拟服务器：
$ ssh root@公网IP详细地址安装专用工具
$ apt install unzip$ apt install python3-pip # python包可视化工具拆换pip源(如不更换pip手机软件会比较慢。
$ mkdir ~/.pip$ vi ~/.pip/pip.conf键入以下几点：
[global]index-url = ** /[install]trusted-host=mirrors.aliyun.com安装深度神经网络专用工具pytorch
$ pip3 install torch$ pip3 install torchvision看一下torch是否可用，在Python程序执行：
import torchtorch.cuda.is_available()假如键入为True，则CUDA常规应用。pytorch-example中的mnist，慢跑大约三五分钟。
其他常见库(版本号配对不方便，可立即安装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 包括一些镜像本身jupyter notebook，可绕过安装，立即实际操作。
$ pip3 install jupyter运行jupyter notebook
$ jupyter notebook --allow-root --ip 0.0.0.0留意设定--ip打开远程连接，否则很可能无法连接；如无法连接，建议在安全组检查88端口号是否可浏览。
查询GPU应用状况
$ nvidia- ** i$ nvcc-V总结自然环境Ubuntu 16.04加CUDA，系统软件比较整洁，Apt软件源也被选中；应用；Docker或是Python必须独立安装Ssh Jupyter连接网络的方法与当地的开发设计几乎没有什么不同。百度搜索云智能APP您可以随意查询费用。至少收费企业是min。只需建立案例（vm虚拟机)，无论操作或关闭，只要不释放，都会收费和云硬盘CDS和延展性公网IP也是如此。也就是说，如果案例公布，以前建造的自然环境就会消退。若未公布，将收取额外费用。百度云盘适用于现阶段自然环境的镜像，即40G该系统软件一次形成大约十分钟的新镜像。为了维持开发工具，建议将常见的自然环境制成镜像，这比不释放网络资源要划算得多。GPU网络服务器更贵。amazon在战略上应用类似于美团外卖的网络服务器，关键在于价格。Linux对于软件工程师来说，租用服务器比应用他人建造的网络服务器要好Web服务（如SinaAppEngine）很多。假设有一天你觉得租的设备不够快，你可以申请顶级网络服务器，用自己的镜像运行，挂网盘的信息就像在自己的设备上运行一样。物理模型的拆卸和更换非常方便。最后，成本效益的方法是将开发工具制成镜像，并在网盘上存储数据。每次应用前申请vm应用程序后立即释放虚拟机。这样，当您不使用它时，您只需支付每100左右的镜像和网络磁盘存储1美元。若长期使用，便宜的主机将解决免费下载、转换格式、配备条件等日常事务管理问题，GPU服务器只做计算，挂云硬盘CDS共享资源数据信息。虽然月折扣比每小时租金划算得多，但建议新手逐步支付每小时租金，因为他们不确定一开始应用了多少，以及如何使用。