想必每個學習深度學習的小夥伴，特別是新手小白，總要為找到以及除錯一個適合的gpu雲主機煞費苦心，作者便是你們的一員。這幾天看了AWS、阿里雲、Azure、美團雲，由於種種原因，最後都沒能成功跑起來。AWS本來能有一張100刀的優惠券，結果告訴我由於某種不可描述原因，不能發放給我的賬號。。AWS和Azure的free trail似乎都沒法使用gpu，阿里和美團都是要直接付錢，百度還要申請。最終我忍痛在我的GTX970上跑了幾天的模型，期間除錯也是煞費苦心，安裝linux，cuda，各種命令列。不知道大家有沒有經歷過，用自己的顯示卡計算時，每出一個結果，就能聽到顯示卡”茲”的一聲，彷彿在向我哀嚎。就在這時候，floydhub闖進了我的世界，是他，是他，就是他！
為什麼我如此興奮？因為這正是我這種懶人喜歡的東西。沒錯！不用配置環境，不用選區域，不用選系統，不用選套餐，不用申請優惠碼，不用綁信用卡，通通不用！只要註冊賬號，你就擁有了100小時的免費使用時間。下面說重點。
下面是floydhub的特點，也是使用方法，我分條說一下：

• 簡單
  
  • floydhub只有兩種服務，cpu和gpu
  • 只需3步就可以開始在雲伺服器上訓練你的模型：
    
    • 登陸：在命令列輸入 floyd login
    • 啟動一個專案：在專案目錄下輸入 floyd init "project_name"
    • 以jupyter模式開啟：floyd run --mode jupyter --env tensorflow --gpu
    • 接下來他會給你一個url，複製到瀏覽器，接下來的，就跟你在本地啟動notebook一毛一樣啦！如果你硬要說這是第四步，我也無話可說。
  • 無需配置環境
    
    • 看上面最後一個命令列， –env 就是環境選擇，floydhub提供了豐富的環境供我們選擇，tensorflow for py2,py3 , Caffe , Theano , Keras , Torch , 還有幾個我沒見過的，夠你們用了吧。
    • 同時還預設安裝了numpy等常用庫，如果遇到沒有的，只要在專案目錄裡用 requiments.txt宣告就行了，在建立環境時會提前安裝。（不過這裡我還沒實驗成功）
    • 如果你想用gpu，用在後面加上–gpu就行了。不加的話就預設是cpu。What？So 方便！
  • 提供常用資料集
    
    • floyd還貼心的提供了常用的資料集，比如mnist，CIFAR 10／100等等，在run命令後加上–data id就可以在專案中訪問了。把資料集同步到雲主機？99%的小夥伴都不會做這種啥事吧。不過，現在甚至不需要通過雲主機下載資料集啦。
• 貼心
  
  • 所有常用命令都是–格式加在run後面，小白最愛
  • 可使用已關閉的例項的資料
    
    • 所有例項執行過的檔案以及output都會儲存在一個有唯一id的目錄下，可通過floyd output id訪問，下載。
    • 可以將之前專案的output用作新專案的input。什麼意思呢？舉個例子就是可以直接訪問之前已經關閉的專案裡的checkpoint，載入到當前專案。只要在run命令時加上 –data id，就可以通過／input／路徑訪問啦。
    • 按秒收費，用完就關，下次來載入之前的資料就行，再也不用為了省錢每次配置環境，處理資料啦。
• 問題
  
  • 目前唯一發現的問題時，感覺計算速度跟我的顯示卡差不多，不算太快。但由於沒有用過其他雲服務，不知道是否是顯示卡效能有明顯差距。Whatever，我又可以在mac上開心的敲程式碼啦！而且，使用者體驗對一個學習者來說，簡直完美。
  • 免費體驗每個專案最多執行24h就會被強制停止，對我來說沒有任何影響。