學習深度學習，永遠繞不開 GPU，跑模型。就算力來說，最合適的還是在一些適合跑深度學習的伺服器上訓練模型。我也用過不少深度學習伺服器。但經常遇到3個主要問題：
- 一是算力不夠；<p>
-
二是價格較貴；
-
三是搭建深度學習環境麻煩。
相對來說，GPU 雲伺服器還是相對比較貴的。最近我發現恆源雲上的 GPU 雲伺服器價效比不錯，而且可以使用上面直接搭建好的深度學習開發環境進行訓練，感覺相當的便宜和好用！
先說重點！所以，我特此向大家推薦這個專屬 GPU 雲伺服器租用平臺，註冊網址為：
https://gpushare.com/auth/register?user=13*****9786&promoterId=1f120061bdb6&source=promoter
也可以直接掃碼註冊：
一、雲伺服器特點
1. GPU型別豐富、價格便宜
如下圖所示，可用的GPU顯示卡2080Ti低至1.8元/小時，3080Ti也低至2元/小時。真的是非常便宜，怎麼演算法都不虧！
除了價格感人，租用GPU的收費方式也很人性化。比如可用選擇例項按秒計費、關機/遷移也不收費、定時關機、升降配、支援套餐轉換等，大大提升了例項操作的自由度。
2. 資料儲存方便
模型訓練離不開資料儲存，平臺直接贈送了 50G 的免費雲空間給你儲存自己的訓練和測試資料，基本夠用了！
而且，超過50G的部分，每G才0.0004元/小時，相當於1G的資料儲存1天還不到1分錢，10G資料儲存1天不到1毛錢。可以說很便宜了。（不過還是建議大家及時清理不必要的資料）
3. 系統穩定，訓練不中斷
對於GPU使用者來說，最怕在雲伺服器上訓練的時候中途中斷。我自己在該平臺上使用了一下，平臺服務的穩定性確實不錯，例項幾乎1秒啟動，也很少出現卡頓、掉線等問題。而且，平臺GPU的獨享機制，讓人絲毫不用擔心被佔用，使用者之間互不影響，訓練體驗與自己買卡幾乎無異。
二、如何使用
下面是最重要的內容，教大家如何租用 GPU 專屬伺服器。熟悉流程之後，以後使用就非常方便了。
1. 註冊賬戶
專屬註冊網址為：
https://gpushare.com/auth/register?user=13*****9786&promoterId=1f120061bdb6&source=promoter
也可以直接掃碼註冊：
2. 購買例項
註冊賬號之後，在PC上登入https://gpushare.com/store，購買例項。
然後，在控制檯-》例項與資料-》我的例項，就能看到剛剛購買的例項啦~
3. 執行例項
下面我們透過一個實操的例子來使用這個例項訓練一個深度學習模型。
例項支援JupyterLab，非常方便，開啟JupyterLab：
開啟後進入到啟動頁。左側為檔案瀏覽器，可以對例項內的所有檔案。右側為工作區域。可以終端進入，也可以開啟Notebook。我們直接開啟Notebook：
新建一個beginneer.ipynb的檔案，在裡面就可以直接編寫我們的程式程式碼了！
這裡我們構建一個簡單的CNN網路來識別MNIST資料集，深度學習框架選擇TensorFlow。
首先，匯入TensorFlow：
import tensorflow as tf
載入並準備好 MNIST 資料集。將樣本從整數轉換為浮點數：
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
將模型的各層堆疊起來，以搭建 tf.keras.Sequential 模型。為訓練選擇最佳化器和損失函式：
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'])
訓練並驗證模型：
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test, verbose=2)
結果顯示：
最終的loss降到0.07，測試的準確率達到了97.95%。
以上就是使用例項在雲伺服器上直接使用JupyterLab訓練CNN模型並測試的例子，非常方便。大家也可以自己上傳資料進行測試！
更詳細的教程請看下面的連結：
https://gpushare.com/docs/getting-started/quickstart/
注意：使用例項結束之後，一定要記得關機哦，不然會持續計費的~
三、專屬福利
我跟恆源雲給大家申請了儘可能多的福利，註冊成功後即可領取禮包。
再次放上註冊地址（一定要從下面的通道進行註冊哦~）：
https://gpushare.com/auth/register?user=13*****9786&promoterId=1f120061bdb6&source=promoter
也可以直接掃碼註冊：
