前言

吐槽：由於科研任務，需要在雲端執行一個基於神經網路的目標識別庫，需要用到GPU加速。亞馬遜有很多自帶GPU的機器，但是環境的配置可折騰壞了，尤其是opencv，每次總會出各種各樣的問題！
無奈中，看見了Adrian Rosebrock的blog：Pre-configured Amazon AWS deep learning AMI with Python
其已經預配置好各種環境，包括Keras, TensorFlow, scikit-learn, scikit-image, OpenCV等。可以說是很棒棒嘍。
此文章並非其文章的翻譯稿，而是提煉主要內容並且親自實踐而來，補充了很多坑。如條件允許，還請自行閱讀英文原文，更詳細。

第一步：競價獲取伺服器

註冊亞馬遜什麼的就不說了，注意免費一年政策並不能用於這些帶GPU的機型就是了。

使用競價請求來申請主機，至於為什麼要用競價例項，第一是便宜，第二是我發現我的賬號沒有申請持續性gpu主機例項的許可權。至於競價例項是什麼，請google/baidu。

原文中，給了四種適合的機型：

• c4.xlarge: $0.199/hour

• p2.xlarge: $0.90/hour

• p2.8xlarge: $7.20/hour

• p2.16xlarge: $14.40/hour

For CPU instances I recommend you use the “Compute optimized” c4.* instances. In particular, the c4.xlarge instance is a good option to get your feet wet. If you would like to use a GPU, I would highly recommend the “GPU compute” instances. The p2.xlarge instance has a single NVIDIA K80 (12GB of memory). The p2.8xlarge sports 8 GPUs. While the p2.16xlarge has 16 GPUs.

然而，我選擇g2，8cpu，15g ram，帶一塊GPU，最基礎的任務足夠。

如圖選擇，搜尋ami-ccba4ab4，找到這一個預配置的AMI映象

請注意這裡原本是16G的卷，建議最好20-30G，防止你還要配置或者安裝些東西，之前沒用這個映象，隨便編譯個opencv，硬碟就不夠了。

提交！接下來便是等待，有快有慢，快的時候立刻就有機器。

第二步：一鍵安裝顯示卡驅動

拿到機器後，使用ssh連線上，使用者名稱是ubuntu。

這裡有個坑就是顯示卡驅動。原文已經說了，儘管映象中本來安裝好了驅動，由於掛載盤特性，驅動會可能被系統遮蔽，需要重新安裝，或者是遮蔽某系統檔案（沒仔細研究，我覺得重灌來得快，哈哈哈）。

首先，檢查是否有驅動：

nvidia-smi

如果顯示：

則已經有驅動了，不需要安裝。

否則，你需要安裝驅動，作者已經在/installers下放了顯示卡驅動。安裝：

cd installers
sudo ./NVIDIA-Linux-x86_64-375.26.run --silent

值得注意的是，我用的g2這個機器的顯示卡K520，是不可以用這個驅動的，我們需要重新下載驅動，下載地址如下

http://www.nvidia.com/download/driverResults.aspx/108586/en-us

供大家核對資訊：

將下載的驅動也放在該資料夾後,先要給該檔案執行的許可權，然後靜默安裝：

sudo chmod 777 NVIDIA-Linux-x86_64-367.57.run
sudo ./NVIDIA-Linux-x86_64-367.57.run --silent

安裝時會彈出一些警告，不用理會，安裝好後，再次執行nvidia-smi，得到之前的圖。

現在，你的環境已經配置好了。

第三步：開啟python虛擬環境

最後一步，需要開啟大神預先配置好的環境，執行

workon dl4cv

完成！你可以使用pip-freeze檢視下裝的東西：

最後，放一張執行我程式的圖：

如有問題，可以留言討論，轉載請註明原文連結和作者姓名！