深度学习新手神器，floydhub gpu云主机！

想必每个学习深度学习的小伙伴，特别是新手小白，总要为找到以及调试一个适合的gpu云主机煞费苦心，作者便是你们的一员。这几天看了AWS、阿里云、Azure、美团云，由于种种原因，最后都没能成功跑起来。AWS本来能有一张100刀的优惠券，结果告诉我由于某种不可描述原因，不能发放给我的账号。。AWS和Azure的free trail似乎都没法使用gpu，阿里和美团都是要直接付钱，百度还要申请。最终我忍痛在我的GTX970上跑了几天的模型，期间调试也是煞费苦心，安装linux，cuda，各种命令行。不知道大家有没有经历过，用自己的显卡计算时，每出一个结果，就能听到显卡”兹”的一声，仿佛在向我哀嚎。就在这时候，floydhub闯进了我的世界，是他，是他，就是他！
为什么我如此兴奋？因为这正是我这种懒人喜欢的东西。没错！不用配置环境，不用选区域，不用选系统，不用选套餐，不用申请优惠码，不用绑信用卡，通通不用！只要注册账号，你就拥有了100小时的免费使用时间。下面说重点。
下面是floydhub的特点，也是使用方法，我分条说一下：

• 简单
  
  • floydhub只有两种服务，cpu和gpu
  • 只需3步就可以开始在云服务器上训练你的模型：
    
    • 登陆：在命令行输入 floyd login
    • 启动一个项目：在项目目录下输入 floyd init "project_name"
    • 以jupyter模式打开：floyd run --mode jupyter --env tensorflow --gpu
    • 接下来他会给你一个url，复制到浏览器，接下来的，就跟你在本地启动notebook一毛一样啦！如果你硬要说这是第四步，我也无话可说。
  • 无需配置环境
    
    • 看上面最后一个命令行， –env 就是环境选择，floydhub提供了丰富的环境供我们选择，tensorflow for py2,py3 , Caffe , Theano , Keras , Torch , 还有几个我没见过的，够你们用了吧。
    • 同时还默认安装了numpy等常用库，如果遇到没有的，只要在项目目录里用 requiments.txt声明就行了，在创建环境时会提前安装。（不过这里我还没实验成功）
    • 如果你想用gpu，用在后面加上–gpu就行了。不加的话就默认是cpu。What？So 方便！
  • 提供常用数据集
    
    • floyd还贴心的提供了常用的数据集，比如mnist，CIFAR 10／100等等，在run命令后加上–data id就可以在项目中访问了。把数据集同步到云主机？99%的小伙伴都不会做这种啥事吧。不过，现在甚至不需要通过云主机下载数据集啦。
• 贴心
  
  • 所有常用命令都是–格式加在run后面，小白最爱
  • 可使用已关闭的实例的数据
    
    • 所有实例运行过的文件以及output都会储存在一个有唯一id的目录下，可通过floyd output id访问，下载。
    • 可以将之前项目的output用作新项目的input。什么意思呢？举个例子就是可以直接访问之前已经关闭的项目里的checkpoint，加载到当前项目。只要在run命令时加上 –data id，就可以通过／input／路径访问啦。
    • 按秒收费，用完就关，下次来加载之前的数据就行，再也不用为了省钱每次配置环境，处理数据啦。
• 问题
  
  • 目前唯一发现的问题时，感觉计算速度跟我的显卡差不多，不算太快。但由于没有用过其他云服务，不知道是否是显卡性能有明显差距。Whatever，我又可以在mac上开心的敲代码啦！而且，用户体验对一个学习者来说，简直完美。
  • 免费体验每个项目最多运行24h就会被强制停止，对我来说没有任何影响。

最后附上链接：www.floydhub.com