想搞人工智能，却又不会用Linux？GPU主机+远程调试来帮你！

人工智能的火爆，咱就不用多说了。自从AlphaGo 1.0横扫李世石、AlphaGo 2.0碾压柯杰以来，包括霍金、马斯克在内的大佬，都开始关心人工智能会不会毁灭人类了。人才市场上，据估计，人工智能相关岗位的缺口高达数百万，而这方面的平均薪资已接近30万。2017年的一份校招数据流出后，动辄40万、60万的高薪挖应届研究生，更是让大家惊掉下巴。毫不意外，更多的公司将投入AI业务，更多的人也将投身AI开发。

然而，问题来了！人工智能的代表性技术—深度学习，是一群技术大咖搞起来的。这些大咖们的共性特点，都是Linux铁粉、都对Windows不感冒。当然，随着使用面的拓宽，许多AI相关的技术软件也开始支持Windows。比如，Google出品的Tensorflow，可以在Windows平台安装使用(https://www.wukong.com/question/6505648900660003076/)。但是，安装只是入坑的第一步，开发中遇到的问题才是千奇百怪。这时，到网上一搜，类似问题是不少人关注，但解决方法却几乎全是Linux的。

一言以蔽之，目前阶段，真想搞人工智能，还必须要在Linux平台。
以Ubuntu为代表的Linux，在易用性方面进步很大，引入了大量图形化界面。然而，很多操作毕竟与Windows不同。大家知道，Windows的很多操作习惯，微软同学是有专利的。很多时候，不是Linux不想兼容Windows，而是专利利剑高悬，臣妾做不到啊！

扯了这么多，引出咱们的问题：咱想搞人工智能，咱也知道离不开Linux，可咱就是不会用Linux！有办法吗？
答案是有！

初看起来，我们要做的是两点：第一，拥有一个完善的Linux人工智能开发环境；第二，在Windows中调用这个环境进行开发。
第一个问题，一些同学马上想到了，用虚拟机啊。聪明！在Windows建立一个Linux虚拟机，分分钟的事。第二个问题，咱们在Windows平台通过远程调试，连接到这个Linux虚拟机，就可以“本地编码、远程执行”了。目前，PyCharm、VS Code与Visual Studio都已经支持远程调试。所以，这条路线是可以走的。

但是，Linux可没Windows那么方便。大咖们做事，喜欢开源与高效。今天你做一个软件包A，开放出来；明天开发别的软件B，相同功能直接就调用A而无需再造一遍轮子。可是，咱要是想用B，就得把A也得安装了，否则B就不能正常运行。这种软件包依赖，在Linux开发中是如此的普遍，几乎是不可能绕过的。
就拿人工智能来说，比如要做图像处理，除了深度学习框架如Tensorflow、PyTorch等，恐怕openCV、PIL少不了，再然后Numpy、Pandas、Matplotlib也用得到。这些软件又依赖一些别的软件包。哈哈，是不是“子子孙孙无穷尽”的感觉？！
深度学习的基础是大数据。比如，著名的图像处理竞赛ImageNet，训练图片高达数百万张，全部解压后占有将近1TB的空间。显然，如果需要将这些数据上传到远程主机才能开始模型训练，这种远程工作模式也是不现实的。
难！咱也长期为这些问题所困。

然而，最近，咱发现了一个好东西—AI算力租赁。简单地说，对方把Linux及人工智能配套软件都装好，然后把这个系统租给咱们。咱们通过远程调用的方式，直接把代码传上去执行。更贴心的是，
 常用数据集都内置了，无需咱从网上下载再去上传，省流量省时间。
 GPU物美价廉，强悍的GTX 1080Ti才要5元/小时。
 算力还能按需扩充。今天调代码，就只要一块显卡。以后要训大模型，就多申请几块显卡。一块1080Ti得七八千呢，自建大环境，成本是杠杠的。

算力租赁是用钱能解决的事。如何配置PyCharm、VS Code与Visual Studio来支持远程调试，也有不小的工作量。好在已经有这方面的教程(https://www.easyaiforum.cn/thread-625-1-1.html)

行之文末，在CSDN已经有同道发现同样的宝贝了。它家的比较，很是详尽。这里就不再多说，直接放链接(https://blog.csdn.net/dlhlSC/article/details/83180695)。