gpu云服务器租用，目前哪里可以租用到GPU服务器？
深度学习如今风头很热， 可能很多小伙伴们都投入了学习。可是又遇到了一定的问题，电脑跑的太慢，小编I7的笔记本，很多时候也跑不动。大家知道，深度学习是很需要GPU的，可是最便宜的GTX1080ti也是价格不菲，这时候我们怎么办呢？
今天为大家带来，利用亚马逊GPU服务器进行深度学习。（小编目前觉得这个价格是相对比较实惠的，如果有更好的可以推荐一下）
注册亚马逊账号，绑定信用卡，这一步就不多介绍了。大家自行解决。
我目前选择的是美国俄亥俄州，因为有的州没有我想要的机器。后面会牵扯到竞价，不同地区价格可能会稍有不同
在这里选择EC2
启动实例
选择社区AMI，也可以选择默认的原生系统。选择社区AMI，是因为有的AMI已经搭建好了我们所需的环境，我最喜欢用的是这个，大家可以自行选择
选择服务器，px.xlarge
下面是不同型号的配置，P2是用的K80显卡，4核，61G内存，12G显卡，差不多够我们用了。也可以选择更好的配置，价格自然会贵不少
一定要选择竞价，因为这个便宜，也适合我们想用就用，不想用就销毁的使用。当前的价格是0.27美元，差不多是1.7人民币每小时。竞价的价格是动态的，不同时间可能价格不一样。
下一步
因为是自己临时使用，安全就直接全部开放吧
启动实例
选择或者创建秘钥，这是我们登录服务器时候使用的秘钥文件
因为我已经有了，所以就直接登录了
可以看到，我们的机器已经创建成功了
记住IP，我们可以准备登录服务器了
ssh -i 选择刚才的秘钥去登录我们的服务器
已经登录成功了，小编之所以选择这个AMI，因为他已经准备好了很多的环境。这里我们使用tensorflow_p36，环境是Tensorflow+Keras+Python3，GPU环境是CUDA8。大家选择不同的AMI可能不一样，也可以自行安装环境
激活环境
现在要如何更方便的使用呢，在服务器上写代码总是速度会慢点。我们可以使用jupyter这个神器,jupyter notebook --ip=*，开启jupyter的远程访问，也可以设置密码的。jupyter notebook的更多使用方法以后告诉大家。大家可以自行学习
启动jupyter，我们找到这个链接，localhost换成我们的服务器ip，然后去浏览器访问即可
现在我们到浏览器打开jupyter的页面，我们创建一个python文件
这里我测试一下keras的mnsit手写数字集的训练，可以看到每个epoch只要10s就训练完成了，这里我训练了20个epoch，准确率已经达到99.06%，很不错的哦。这个速度比我用我的I7处理器快10-20倍。可以省下大量的时间。我们可以利用jupyter写自己的代码进行学习和训练。小编一般是本地写好模型后，去线上训练调参
在我们终端中输入nvidia-smi就可以看到我们的显卡信息和使用情况了
如果我们不再需要这台服务器，选择终止即可，记住，不销毁会一直收费。如果想保留自己的环境，可以自己创建AMI。
注意事项
亚马逊需要绑定信用卡，每个月月底收费，不要以为当时没收钱就是免费啊啊！重点！
看清楚不同配置的价格，最好是想要自己想要训练什么的时候再打开机器。
按小时收费，使用1分钟也是按一个小时收费哦。
机器不再使用的时候，记得销毁
好了，今天我们介绍了如何用亚马逊的GPU来训练我们的模型。当然如果有显卡的土豪小伙伴，自然是不需要的啦。不过刚开始学深度学习，还没准备好显卡的，可以先用这个来试试。
记得关注我，以后会为大家带来更多的文章。
ngc的ca分和uc分有什么区别？
1 区别在于其计算方式不同，ngc的ca分是根据学习者在课程中的表现和学科基础进行评估，而uc分则是基于学生的参与度、个人表现和学科知识水平等因素综合评价得出的分数。2 CA分主要针对学生在课程中的硬性成绩和表现进行评估，考查的是学科基础；而UC分则是针对学生在学习过程中的能力和综合素质方面的考量，更加注重学生的综合表现。3 在评估过程中，两种分数的比重不同，ngc的ca分在总评成绩中占比较大，而uc分则对综合评价的总体得分的影响较小。因此，虽然两种分数都是评估学生的表现，但它们在制定考试和评估课程上的作用还是有所不同的。
国产gpu芯片公司排名？
1。intel
可能谁都想不到intel不但是世界上最大的CPU生产销售商，也是世界最大的GPU生产销售商。
intel的GPU在现在完全是集成显卡，用于intel的主板和intel的笔记本。可能你想不到，要是只安发售数量计算，intel随着他主板发售的集成GPU占据了整个GPU市场的60%以上。
2。nVdia
现在最大的独立显卡生产销售商，他的显卡就是现在大家熟悉的Gefoece系列。比如GF9800GTX,GTX260,GF8600GT等。
他也同样销售固化在主板上的集成显卡，这些显卡随着主板一起发售，但是由于AMD兼并ATI后自身主板芯片能力提高，NV主板如日中天的景象已经失去了半壁江山。
3。AMD。
世界上第二大的独立显卡生产销售商，他的前身就是ATI。他的显卡就是大家熟悉的HD系列。比如HD3850,HD4650,HD4870等。
由于AMD兼并ATI后，其主板市场迅速扩大，已经夺取了NV在amd处理器主板的半壁江山。就发售量和发售盈利方面，AMD显卡方面仍然略输于nv,不过两者不相伯仲，差距只是几个百分点。
4。Matrox。
当年和nv,ati一起争夺独立显卡市场份额的一家公司，在曾经的一个时期Matrox的显卡和nv,ati曾经在性能上比肩过。但由于后来其开发能力日渐衰退，在GF5时期，也就是ati的9000系列时期，Matrox由于性能上整整落后了GF5900和Raden9800一个世代而逐渐被淘汰，淡出了民用独立显卡市场。
但现在Matrox仍然在工程用专业显卡方面有自己的地位。这些显卡用于工程主图和多头输出仍然很强力。与nv和amd的专业显卡不同，nv,ati的专业显卡涉足的是3D领域，而Matrox得专业显卡涉足的是2D领域，也就是CAD。
但由于cuda的日渐普及，DX10以上显卡将在所有支持cuda的程序上表现出惊人的性能，也就是说当cuda在各种运用软件普及的那天，Matrox也必将退出2D专业卡的市场。
5。sis和via.
硒统合via现在是对孪生兄弟，但他们曾经也是分开的两家公司，并且都生产自己主板的集成显卡。
但这可怜的两兄弟已经逐步在淡出主板市场了，也就必定将淡出GPU市场。
国产gpu三大巨头？
景嘉微：GPU龙头。景嘉微300474，GPU国产化龙头，产品打破国外芯片垄断，其通用GPU产品适用于处理超高清视频。
北京君正：公司的主要产品为32位嵌入式GPU芯片，具体为JZ47xx系列。
光环新网：子公司北京无双科技有限公司发布了《云区块白皮书1.0版》，合作开发开放式区块链服务平台GHBaas(GuangHuanBlockchainasaservice)；GHBaaS对多种区块链类型提供底层支持，提供安全便捷、去中心化的一站式管理方案，用户可以使用对比特币(BTC)、以太坊(EH)等数字资产进行统一存储、管理和转账同时具有算力售卖、自建云主机、GPU云租赁等企业及个人实用功能。
