還是花錢配置4個TitanX的服務器？

深度學習如今風頭很熱， 可能很多小伙伴們都投入了學習。可是又遇到了一定的問題，電腦跑的太慢，小編I7的筆記本，很多時候也跑不動。大家知道，深度學習是很需要GPU的，可是最便宜的GTX1080ti也是價格不菲，這時候我們怎么辦呢？

今天為大家帶來，利用亞馬遜GPU服務器進行深度學習。（小編目前覺得這個價格是相對比較實惠的，如果有更好的可以推薦一下）

注冊亞馬遜賬號，綁定信用卡，這一步就不多介紹了。大家自行解決。

我目前選擇的是美國俄亥俄州，因為有的州沒有我想要的機器。后面會牽扯到競價，不同地區價格可能會稍有不同

在這里選擇EC2

啟動實例

選擇社區AMI，也可以選擇默認的原生系統。選擇社區AMI，是因為有的AMI已經搭建好了我們所需的環境，我最喜歡用的是這個，大家可以自行選擇

選擇服務器，px.xlarge

下面是不同型號的配置，P2是用的K80顯卡，4核，61G內存，12G顯卡，差不多夠我們用了。也可以選擇更好的配置，價格自然會貴不少

一定要選擇競價，因為這個便宜，也適合我們想用就用，不想用就銷毀的使用。當前的價格是0.27美元，差不多是1.7人民幣每小時。競價的價格是動態的，不同時間可能價格不一樣。

下一步

因為是自己臨時使用，安全就直接全部開放吧

啟動實例

選擇或者創建秘鑰，這是我們登錄服務器時候使用的秘鑰文件

因為我已經有了，所以就直接登錄了

可以看到，我們的機器已經創建成功了

記住IP，我們可以準備登錄服務器了

ssh -i 選擇剛才的秘鑰去登錄我們的服務器

已經登錄成功了，小編之所以選擇這個AMI，因為他已經準備好了很多的環境。這里我們使用Tensorflow_p36，環境是Tensorflow+keras+python3，GPU環境是CUDA8。大家選擇不同的AMI可能不一樣，也可以自行安裝環境

激活環境

現在要如何更方便的使用呢，在服務器上寫代碼總是速度會慢點。我們可以使用jupyter這個神器,jupyter notebook --ip=*，開啟jupyter的遠程訪問，也可以設置密碼的。jupyter notebook的更多使用方法以后告訴大家。大家可以自行學習

啟動jupyter，我們找到這個鏈接，localhost換成我們的服務器ip，然后去瀏覽器訪問即可

現在我們到瀏覽器打開jupyter的頁面，我們創建一個python文件

這里我測試一下keras的mnsit手寫數字集的訓練，可以看到每個epoch只要10s就訓練完成了，這里我訓練了20個epoch，準確率已經達到99.06%，很不錯的哦。這個速度比我用我的I7處理器快10-20倍。可以省下大量的時間。我們可以利用jupyter寫自己的代碼進行學習和訓練。小編一般是本地寫好模型后，去線上訓練調參

在我們終端中輸入nvidia-smi就可以看到我們的顯卡信息和使用情況了

如果我們不再需要這臺服務器，選擇終止即可，記住，不銷毀會一直收費。如果想保留自己的環境，可以自己創建AMI。

注意事項

亞馬遜需要綁定信用卡，每個月月底收費，不要以為當時沒收錢就是免費啊啊！重點！

看清楚不同配置的價格，最好是想要自己想要訓練什么的時候再打開機器。

按小時收費，使用1分鐘也是按一個小時收費哦。

機器不再使用的時候，記得銷毀

好了，今天我們介紹了如何用亞馬遜的GPU來訓練我們的模型。當然如果有顯卡的土豪小伙伴，自然是不需要的啦。不過剛開始學深度學習，還沒準備好顯卡的，可以先用這個來試試。

記得關注我，以后會為大家帶來更多的文章。