GPU云服务器使用指南

  从参数的复杂性来看，我这次需要训练的网络模型显然是我自己的 GeForce GTX 1060 负担不起。既然学校暂时回不去了，租云服务器就成了目前唯一的办法。好了，废话不多说，国内的GPU云服务器的使用和操作基本相同，所以我用阿里GPU服务器介绍具体流程。在最后一部分，我还将介绍如何免费试用Google的高性能GPU云服务器，如果你能翻墙的话。

                                                                                                                                                   GPU云服务器使用指南

  说到GPU云服务器，首先，的名字出现在我的脑海中。华为、阿里巴巴、百度等都有自己的云服务，价格基本上是从高到低的顺序。作为一名学生，成本表现当然是最重要的。所以在服务器稳定性和价格的基础上，我选择了阿里巴巴。

  进入阿里云主页，可以在弹性计算中找到GPU云服务器的选项。由于是商用计算GPU，因此，我们通常接触我们GPU型号不同。注重科学计算，突出高精度。进入购买界面后，选择 按量支付 ，即按使用时间支付。

  镜像市场的免费镜像推荐在镜像处使用。图中选定的镜像预装在图中Ubuntu16.04，TensorFlow1.13，CUDA10和cuDNN，省时省力。同时，随实例释放取消勾选。

  点击下一步，来到 网络和安全组

  来到 系统配置

  之后可以直接点击确认订单。可以进入阿里云控制台，找到 实例 列表，找到刚租的。GPU。当实例处于启动状态时，将会有公用途IP地址(注意公用IP可变)，公用IP之后可用于连接jupyter notebook和WinSCP。点击右侧的远程连接，输入购买时设置的用户名和密码，即可进入云服务界面。也可以下载使用Xshell，可通过公用IP连接，更稳定。

  这时，可以来看看CUDA版本

nvidia- ** i

  也可以查看Python的版本信息

import tensorflow as tftf.__version__

  与Ubuntu同样的操作，是的pip库，如果之前选择镜像市场的镜像，pip所有的来源都经过了亲密的改进，速度非常快。这里主要介绍我如何远程连接jupyter notebook并将本地文件传输到云盘。

远程连接jupyter notebook

  许多人习惯于使用图形界面jupyter notebook写代码。然后你必须先安装它。jupyter notebook。登录远程云服务器后，输入

pip install jupyter

  然后打开ipython，在其中输入

from notebook.auth import passwdpasswd()

  即可设置jupyter连接密码并获得一组sha加密密码。

  然后我们生成一个jupyter的配置文件

jupyter notebook --generate-config

  然后使用vim打开此配置文件

vim ~/.jupyter/jupyter_notebook_config.py

  并在文件的最后添加一组设置

c.NotebookApp.ip = '0.0.0.0'c.NotebookApp.open_browser = Falsec.NotebookApp.password = u'sha1:'、 #此处填写之前得到的sha1加密密码c.NotebookApp.port =1120 #此处填写连接jupyter想用的端口

  此时，我们返回阿里的云服务控制台，在实例列表中点击实例，再点左侧的“ 本实例安全组 ”，点击本安全组。进入下面的界面。添加安全组规则，端口同上，即给jupyter留一个指定的入口。

  至此，jupyter设置工作完成后，下面将启动jupyter。在终端输入

jupyter notebook --allow-root

  最后，在本地浏览器地址栏中输入 公用IP:1120，就能看到jupyter的登录界面

  输入之前在ipython可成功连接界面设置的密码。

将本地文件传输到云盘

  如果你想把你的数据集上传到云中进行训练，你可以在当地使用它Windows可以下载和使用系统WinSCP，速度流畅，非常简单。Ubuntu系统则使用SCP命令上传文件。

  总的来说，阿里云GPU云服务器相对稳定方便。然而，GPU一般价格偏高，我算了一下，训练我手头的网络大概需要30个小时，大概需要400多元。。只能说打扰了，告别了。

                                                                                                   Google Colaboratory 免费GPU使用指南

  友情提示：以下操作都是基于您能够稳定翻墙的前提！

  总的来说，Colab是谷歌的免费云GPU主要用于深度学习的网络培训。Colab是和Google Drive可以将训练所需的文件上传到一起Google Drive里面，然后挂载Colab很方便。而且，免费分配GPU一般为Tesla P4。有能够 ** 到这样的GPU当然，方法值得分享。下面是介绍Colab怎么用？

  需要注意的是，Colab每12小时自动断开挂载。因此，记得设置checkpoint。

  首先在Google Drive里创建一个Colab的笔记本

  进入笔记本，可以在上面找到 代码执行程序 GPU加速。

  然后完成网盘挂载

from google.colab import drivedrive.mount('/content/gdrive')

  在这里，设置完成后，您可以起飞。

  你可以查看TensorFlow默认安装版本TensorFlow1.15.0

import tensorflow as tftf.__version__

  您可以更改当前目录

import osos.chdir('/content/gdrive/My Drive/...')

  您可以安装不同版本的库

!pip install opencv-python

  您还可以查看分配GPU

from tensorflow.python.client import device_libdevice_lib.list_local_devices()

  接下来，你可以尽情使用它GPU训练你的网络！