机器学习深度学习云GPU资源和各种的优缺点

---

相信和我一样，有很多刚入门学习ML、DL的亲们都会遇到一个问题，那就是没有足够的算力去跑自己的网络。而自己去买一块显卡可能又成本太高。在我研究了数天，尝试了各种云资源之后，现在终于总结出低成本高效的云服务了。
本来想在这篇文章的标题加上“新手”两字的，但是实际上即使是高手也同样可以很好的使用到这些资源。

---

这次我介绍和对比的资源主要来自于以下几个平台

• 微软Azure云

• 谷歌GCP

• 淘宝GPU机器

• 美团云

（想看结论的亲们可以直接拉到最下面）

---

微软Azure云

Azure在国内并不是特别出名，而且国内的Azure也很坑（Azure分中国版和国际版），我们此次说的是国际版的Azure。

在国际版的Azure中，可以申请试用，这需要你有一张Visa或者MasterCard的信用卡。申请试用后可以在一个月内使用200美刀的额度，而且一个月后还可以继续使用Azure的免费服务。
立即创建 Azure 免费帐户 | Microsoft Azure

在这时，我们会发现，虽然有额度，但是有的区域的虚拟机是无法创建的，而可以创建的VM中好像没有GPU的机器。实际上是有的，只是藏得比较深。不过Azure的配额是可以通过反馈提交申请的，似乎也没有什么额外要求。下图是申请在东南亚区使用NV系列虚拟机成功后的邮件。

显卡型号 单精度浮点 价格 位置
P100 | 10.6T | 1848 | 美国中南部
M60 | 9.7T | 894 | 美国东部2
K80 | 8.74T | 736 | 美国东部2

如果使用额度的话，看这样子是不是还可以，能跑几天？但是有个关键点，以上的单精度浮点运算能力并不是这个机器真实的运算能力。微软卖的是显卡核芯，双芯卡会被拆成两台机器来卖。比如如果选择的是K80的机器，实际单精度浮点性能只有4.111T。

选择Azure时，配置上也有坑。如果选择的是普通的Windows或Linux系统，上面是不会预置任何东西的。Python、CUDA、CuDNN、甚至显卡驱动都要你自己装。但是在可选系统里其实是有已经配置好的系统可选的。打个比方，我可以在“新建”→“搜索”里搜索“tensorflow”。