撒花!我建立了专属 GPU 云服务器租用平台!便宜、好用、速来!

学习深度学习,永远绕不开 GPU,跑模型。就算力来说,最合适的还是在一些适合跑深度学习的服务器上训练模型。我也用过不少深度学习服务器。但经常遇到3个主要问题:

  • 一是算力不够;

  • 二是价格较贵;

  • 三是搭建深度学习环境麻烦。

相对来说,GPU 云服务器还是相对比较贵的。最近我发现恒源云上的 GPU 云服务器性价比不错,而且可以使用上面直接搭建好的深度学习开发环境进行训练,感觉相当的便宜和好用!

先说重点!所以,我特此向大家推荐这个专属 GPU 云服务器租用平台,注册网址为:

https://gpushare.com/auth/register?user=13*****9786&promoterId=1f120061bdb6&source=promoter

也可以直接扫码注册:

一、云服务器特点

1. GPU类型丰富、价格便宜

如下图所示,可用的GPU显卡2080Ti低至1.8元/小时,3080Ti也低至2元/小时。真的是非常便宜,怎么算法都不亏!

除了价格感人,租用GPU的收费方式也很人性化。比如可用选择实例按秒计费、关机/迁移也不收费、定时关机、升降配、支持套餐转换等,大大提升了实例操作的自由度。

2. 数据存储方便

模型训练离不开数据存储,平台直接赠送了 50G 的免费云空间给你存储自己的训练和测试数据,基本够用了!

而且,超过50G的部分,每G才0.0004元/小时,相当于1G的数据存储1天还不到1分钱,10G数据存储1天不到1毛钱。可以说很便宜了。(不过还是建议大家及时清理不必要的数据)

3. 系统稳定,训练不中断

对于GPU用户来说,最怕在云服务器上训练的时候中途中断。我自己在该平台上使用了一下,平台服务的稳定性确实不错,实例几乎1秒启动,也很少出现卡顿、掉线等问题。而且,平台GPU的独享机制,让人丝毫不用担心被占用,用户之间互不影响,训练体验与自己买卡几乎无异。

二、如何使用

下面是最重要的内容,教大家如何租用 GPU 专属服务器。熟悉流程之后,以后使用就非常方便了。

1. 注册账户

专属注册网址为:

https://gpushare.com/auth/register?user=13*****9786&promoterId=1f120061bdb6&source=promoter

也可以直接扫码注册:

2. 购买实例

注册账号之后,在PC上登录https://gpushare.com/store,购买实例。

然后,在控制台-》实例与数据-》我的实例,就能看到刚刚购买的实例啦~

3. 运行实例

下面我们通过一个实操的例子来使用这个实例训练一个深度学习模型。

实例支持JupyterLab,非常方便,打开JupyterLab:

打开后进入到启动页。左侧为文件浏览器,可以对实例内的所有文件。右侧为工作区域。可以终端进入,也可以打开Notebook。我们直接打开Notebook:

新建一个beginneer.ipynb的文件,在里面就可以直接编写我们的程序代码了!

这里我们构建一个简单的CNN网络来识别MNIST数据集,深度学习框架选择TensorFlow。

首先,导入TensorFlow:

import tensorflow as tf

载入并准备好 MNIST 数据集。将样本从整数转换为浮点数:

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

将模型的各层堆叠起来,以搭建 tf.keras.Sequential 模型。为训练选择优化器和损失函数:

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

训练并验证模型:

model.fit(x_train, y_train, epochs=5)

model.evaluate(x_test,  y_test, verbose=2)

结果显示:

最终的loss降到0.07,测试的准确率达到了97.95%。

以上就是使用实例在云服务器上直接使用JupyterLab训练CNN模型并测试的例子,非常方便。大家也可以自己上传数据进行测试!

更详细的教程请看下面的链接:

https://gpushare.com/docs/getting-started/quickstart/

注意:使用实例结束之后,一定要记得关机哦,不然会持续计费的~

三、专属福利

我跟恒源云给大家申请了尽可能多的福利,注册成功后即可领取礼包。

再次放上注册地址(一定要从下面的通道进行注册哦~):

https://gpushare.com/auth/register?user=13*****9786&promoterId=1f120061bdb6&source=promoter

也可以直接扫码注册:


未经允许不得转载:红色石头的个人博客 » 撒花!我建立了专属 GPU 云服务器租用平台!便宜、好用、速来!

赞 (1) 打赏

评论 0

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏