手上一块GPU都没有，怎么做深度学习？

首先声明，我并不是该厂的水军，也是在跑程序的过程中，发现这个平台很好用，遂与大家分享。目前在大厂从事算法研究，与该平台没有利益关系。

最近在做一些医疗大模型的微调，苦恼于手中资源不足，尝试过Google Colab和Kaggle的白嫖，但数据集的上传就是首要面对的大问题。这两家的优势在于连通外网，下包还有数据集很快，缺点在于存储空间不太够。由于这个问题，我反复尝试多次上传数据集到colab和kaggle，均没有办法解决这个问题，所以尝试了一下OpenBayes的云服务器。不得不说，真的是非常香！对于学生党非常友好，我愿称它为中国的colab。从我自己用了这么久比较下来，openbayes.com 平台的算力租赁是真的很好用，如果想要用一些租赁 GPU 的话就不要错过。目前还在开展活动，GPU 的价格平价中的平价。

新用户用我的专用邀请链接，注册 OpenBayes，即可获得 4个小时 RTX 4090+ 5个小时CPU的免费使用时长，支持累积，永久有效：

注册 - OpenBayes

---

一、界面清晰

首先，工作台界面设计清晰易懂，引导手册和教学视频内容精心制作。在工作台上，模型训练、模型部署、自动调参、数据集上传以及公共资源等功能都直观地展示在引导栏中。如果遇到不熟悉的环境或功能，只需点击右上角的搜索按钮，即可快速找到相关信息。同时，我们的帮助手册详细而全面，无论是初学者还是资深用户，都能够轻松理解和应用其中的内容。

平台主界面

二、价格亲民

在OpenBayes平台上，用户无需提前购买特定的算力直接在余额中进行充值，平台会根据我们选择的算力价格，从余额中进行扣费。这样就可以在不同的需求场景切换不同的算力了，非常方便。除了RTX 3090和A100外，它还提供A600、4090、多卡GPU等多种计算资源。

多种算力和多种镜像供选择

除了GPU价格比较友好之外，它本身提供的存储容量非常大，免费账户就能享有50GB的存储空间。此外，上传数据集时，只需将其打包成.zip文件，上传到平台后，系统会自动为您解压文件，这一点比隔壁的Colab要方便得多。Colab的存储空间受限，而且将一些包算入存储空间中，而且Colab无法自动解压文件，必须手动进行操作。如果您上传一个.zip文件并且手动解压，但刚好超出存储空间，会让人非常头疼。相比之下，OpenBayes在存储空间方面具有明显的优势。

三、训练稳定

OpenBayes平台不仅拥有人性化的UI设计，而且训练稳定性表现出色，比起隔壁的Colab和Kaggle更为可靠。在选择模型训练时，只需设定相应的模型、数据集、GPU型号、Python版本以及深度学习框架版本，就可以轻松进入工作空间，开始进行深度学习任务。它的稳定性令人印象深刻，不会像Colab那样突然断开连接，并且可以手动设置断连时间。我曾经尝试连续训练一整天的时间，通过TensorBoard可以清晰查看训练过程，表现非常稳定且没有断连的情况。

稳定训练界面

上手训练的整体流程也很简单：点击模型训练-->确认基本信息（例如名称、数据集、交互方式）-->选择算力和镜像版本-->确认选项并审核，即可进入编程界面。下载包还有外部模型的速度也经过优化，与直连外网速度相差不大。在首次创建环境的时候推荐选择CPU资源，等各种环境安装确认完毕之后再切换到GPU，可以避免不必要的浪费。

平台提供基于JupyterLab的交互式机器学习解决方案，同时也支持SSH登录。一旦配置完成，我们就可以连接PyCharm、VS Code等工具进行远程调试。与Colab相比，我们无需再忍受每次挂载数据集的痛苦。在OpenBayes平台上，数据可以快速绑定，支持TB级别的数据管理和断点续传。

四、资源丰富

1. GPU可选种类多

春节福袋包含的GPU类型

它家的GPU选择非常多，从3090 4090 A100 A6000到多卡机器，这些都是过年期间的活动送的福利。9.9的福袋一揽子包含 单卡资源：1 小时 A100、2 小时 A6000、3 小时 RTX 4090、1 小时 V100、2 小时 RTX 3090、3 小时 A100 MIG； 双卡资源：2 小时 A6000-2、2 小时 RTX 4090-2、1 小时 RTX 3090-2； 四卡资源：1 小时 A6000-4、1 小时 RTX 4090-4、1 小时 RTX 3090-4。作为学生党，真的觉得比其他免费平台要良心且好用了。

2. 公共数据集与公共模型多

在机器学习中，最为繁琐的任务之一就是处理数据。从下载数据集到上传，都需要耗费大量时间和精力。OpenBayes.com 将公共资源直接置于平台上，让用户可以直接使用，省去了繁琐的数据处理环节。我们可以选择已经公开的数据集，或者上传我们自己的数据集（这里推荐用命令行上传）。

公共数据集页面

平台不仅提供丰富的公开数据集，而且提供许多前沿模型，供用户直接使用或微调，包括ChatGLM、Llama2、LLaVA、Mixtral、通义千问、零一万物、书生等一系列大模型。

公共模型选择页

3. 各类教程多

也可以跟随平台提供的教程，学习体验如何利用机器学习算法实现真实处理任务、复现论文。

公共教程页

总而言之，作为一个类似colab但稍微收费的云平台，它性能稳定、界面友好、价格平民，这些特点已经足够吸引我一直用下去了。如果你也有类似的需求，可以直接点击链接注册就好～