腾讯云深度学习平台的活动，T4、V100一天只要一瓶水钱

[中杯可乐多加冰]

众所周知，深度学习里模型的训练非常需要GPU显卡资源，目前 GPU 云服务器市场，有免费的，也有付费的。

免费的诸如Colab、毕昇、九天，但是Colab对使用有限制，非常容易断线封号，毕昇需要算力豆而且算力豆的获取越来越少，九天则是在不久前停止了新人300小时白嫖福利(估计玩不起了)。而付费的平台，一般是按小时计费，以 NVIDIA Tesla T4 为例，我查找了目前某源云、某池云、智某云、某里云的收费分别为3~6元每小时，包月的话是2000+每月，而更高级的V100更是贵的要死，训练一个模型就大概花费上千，这让人捉襟见肘。

 

最近有个腾讯云年末的GPU服务器的活动，挺划算的，分享给诸位：

一、价格介绍

本来腾讯云的GPU云服务器也是非常贵的，无论是按时还是按月租都是比较大的花销，不过最近出了个年末活动，活动链接：腾讯云GPU实验室活动

• 活动一：30块钱15天的T4显卡（16G）、60块钱15天的V100显卡（32G）、70块钱15天的V100显卡高配版（32G+内存40G+10核），

提示：

• 如果是短期实验可以买这个，15天内赶紧做完，到期前一定要记得把模型下载到本机；

• 如果是长期实验，建议你直接买下面的那款包月服务，因为这个体验套餐续费是优惠很低的（3000元/月）；

• 这个秒杀活动十二月每天都有，上午十点到十一点容易买到，个人觉得优先抢第一款的T4，次优先抢第二款的V100；如果第一款第二款被抢完了，还可以点击链接：腾讯云秒杀活动-秒杀专区右边两个也可以抢到；

• 活动二：120块钱一个月的T4显卡，220块钱一个月的V100显卡，240块钱一个月的V100显卡高配版，（最多可订6个月的）

• 提示：如果你的模型对显存要求低于15GB，购买第三款T4，如果高于15GB，购买第一或第二款；（个人觉得第二款性价比最高）

• 近几个月有大量实验需求，建议购买3个月或者6个月；

• 可以几个人买了一起用。

在比较了多家GPU深度学习平台后，我发现这次的活动是非常划算的，大家也可以网上看一下对比多家，这确实是我见到目前最低的GPU核时购买方案，提供的配置有三种，我整理了一份表格如下：

型号	GPU	显存	CPU核数	内存	内网带宽	体验版价格（15天）	包月价格
GN7	T4	16G	8	32	3Gps	2.00元/天	120元/月
GN10X	V100	32G	10	32	3Gps	4.00元/天	220元/月
GN10Xp	V100	32G	10	40	3Gps	4.66元/天	240元/月

要注意的是，一个平台拥有的GPU服务器数量总是有限的，如果卖完了，活动估计就提前结束了，或者就得等别人租期到了之后才会继续推出。

二、动手试验

2.1、创建服务器

我们进入页面后可以看到，体验套餐限时秒杀活动第一个T4是8核16GB显存（一定要注意，活动页面写的32G指的是内存，如果你的实验需要15GB+的显存，T4是跑不起来的），第二个V100是8核32GB显存，第三个V100也是32GB显存，不过CPU核心有10个，硬盘速度也快一点，每个时段的量都不多，需要抢，我的模型不大所以我以T4来展示

这里选择地域（选新加坡优先），预装镜像（一般Pytorch1.9,TF同学可以选择TensoFlow），其他选择默认，数据盘可以先不选，系统初始有100G的空间。

购买成功后，进入控制台=>云服务器=>实例，可以看到我们的服务器创建成功，时长为半个月，然后也给了ip地址供我们平台外连接使用。

2.2、登录服务器

我们点击右端登录，即可在浏览器内直接打开web shell登录页面，输入账号密码（站内信里会告诉你）即可登录服务器：

进入终端后，我们直接使用一个nvidia-smi查看，确实是T4显卡的配置，显存15109MB，足以跑起来大多数实验：

我的朋友购买了第三个选项，也确实验证是V100显卡32GB显存：

有了足量的显卡资源，就可以进行实验了！

2.3、连接服务器（选看）

2.3.1、使用MobaXterm连接

腾讯云仅仅为我们提供了终端页面，体验起来不如九天毕昇，但是既然给了我们ip地址和密码，我们就可以通过各种工具（MobaXterm、堡塔、PuTTY、Xshell、Pycharm工具等等）连接到服务器。

我比较习惯于使用MobaXterm，首先点击左上角的new session：

新建一个SSH连接，如果需要大量传文件可以新建一个FTP连接：

Remote Host填服务器的IP地址，然后点击ok，进入终端后，输入用户名和密码（也就是站内信发给你的那个），就可以连接上服务器啦，如下可以看到服务器的文件目录和终端：

我们使用conda env list，可以看到系统已经有一个名为base的虚拟环境，输入conda list可以看到base环境为我们预装了torch1.9和torchvision0.10.0，不用再费劲装Pytorch的基础环境了。

有了这些，我们后续可以选择在此环境上进行实验，也可以新建虚拟环境，然后导入代码和数据集训练，这里就不再赘述。

2.3.2、使用宝塔连接

在终端输入：wget -O install.sh http://download.bt.cn/install/install-ubuntu_6.0.sh && sudo bash install.sh ed8484bec

输入Y，确认安装宝塔，等待片刻，显示这样就是成功了！

本机可以访问外网地址，然后输入当前给的username和password就可以成功登陆到宝塔面板了：

2.4、测试服务器质量（选看）

2.4.1、测试上传速度

使用宝塔，测试一下文件的上传和下载速度：

上传了bird数据集，上传速度为1.40+MB/s，Bird数据集在主要是我本机的上行网速和硬盘读取速度不够，估计你们还能更高（一般可能3MB/s+），实测在18分钟内上传完毕。

2.4.2、测试下载速度

右键点击就可以进行下载，在下载时可以自动调浏览器下载器或者迅雷下载，下载速率1.1+MB/s，同样受本机的网速和服务器的带宽影响。

2.4.3、测试下载包的速度

接着测试了各种Python包的下载速度，通过清华镜像源 下载的网速基本保持在 5MB/s 左右，使用起来比九天毕昇要流畅许多。

三、Q&A

使用过程中可以在评论区留言，我会在此回答...

Q1:提示 NoWritableEnvsDirError: No writeable envs directories configured

A1:sudo chmod a+w .conda

 

Q2:宝塔页面打不开，显示404.

A2:检查是否打开了8888、888、443等端口，如果已经打开了还是显示404，重启机器就好了。