推荐 | 利用矩池云快速构建强大易用的深度学习环境

        

在深度学习中构建环境总是那么的令人痛苦。为此，本文向大家介绍通过矩池云来一键构建属于自己的深度学习环境。

 

矩池云是一个国内的弹性 GPU 计算服务平台，平台主打高性价比与良好的用户体验。在性价比上，我们以 2080Ti 单卡为例，36 小时折扣后的价格才 55 元，每小时单价仅 1.52 元，属于全网最低价。用户体验上，平台为用户提供了公开数据集、案例、预装环境、高速网盘等配套设施和数据，让用户可以专注于深度学习研究。

 

高性价比

 

矩池云拥有很高的性价比。计费方式主要采用分钟级的实时计费模式，近期还会上线包年包月的计费模式，既能满足用完即走的短时需要，也能满足长期租用需求。然后 GPU 价格是非常便宜的，具体可以见下表。另外，矩池云时不时会做特价活动，0.9 的 2080Ti 单卡或者 3.96 元的 2080Ti 双卡，优惠折扣特别大。

 

矩池云产品价目表：

产品	显存	内核	SSD	元/小时
单卡RTX 2070	8G	6	100G	2.5
双卡RTX 2070	16G	12	100G	5
单卡RTX 2080 Ti	11G	6	100G	3
双卡RTX 2080 Ti	22G	12	100G	6

 

支持主流框架

  

矩池云支持 Tensorflow、Keras、Pytorch、Caffe、MXNet 等国际知名框架，并环抱国内深度学习社区在 4 月支持了百度的 PaddlePaddle、华为的 MindSpore、旷视的 MegEngine 以及清华的 Jittor。

         

 

为了更好的支持国内深度学习社区，国产框架可以通过邮件申请上架，矩池云会在第一时间进行收录。

 

支持主流数据集  

常用数据集无需上传，矩池云为用户提供了现成的主流深度学习数据集，供用户快速访问和使用。

 

图像数据集： MNIST、CIFAR10、3D_Segmentation、VOC2012、COCO、ImageNet2012；

自然语言处理数据集： dbpedia、imdb-sentiments、stanford-question-answering、amazonreviews、UCI-spambase、videos_and_music、youtube8m、beethoven；

kaggle： msdchallenge、netflix-prize-data、transaction_prediction；

天池： 中文糖尿病标注数据集、Traffic_Flow_KDD_CUP_2017、User Behavior Data on Taobao App；

 

使用案例

 

Cifar10 等 Keras 支持的数据集，可通过复制到 Keras 路径使用。

 

cd /public/data/image/cifar10/cifar-10-batches-py.tar.gz ~/.keras/datasets/

复制后可在 Python 中载入使用。

 

import keras
from keras.datasets import cifar10
(x_train, y_train), (x_test, y_test) = cifar10.load_data()

高速网盘  

       

 

矩池云自建了高速 SSD 网盘，每次租用的时候会自动挂载，内网平均传输速度 100MiB/s。 

           

网盘是永久性的存储，用户可以方便的管理其数据，矩池云为每一位注册的用户提供了 5G 的免费容量。

兼容第三方工具  

    

矩池云支持第三方工具远程使用，如 Jupyter、PyCharm、VS Code、Spyder、PuTTY、Xshell 等软件。

              

矩池云提供了 SSH 和 HTTP 两种链接方式。

 

案例快速上手  

   

矩池云提供了 DEMO 镜像，包含经典的 MNIST 数字识别、猫狗图像识别等机器学习模型的 JupyterLab，用户可以快速上手机器学习。

               

现在通过下面二维码注册即可获得 118 优惠券大礼包，可以用于抵扣。另绑定矩池云服务号即可获得 5 元体验金。

                 

       

118 优惠券大礼包展示如下：

        

 

使用中如果遇到问题以及开发票等事宜，可以直接联系矩池云小助手，会在第一时间帮您解决。

              

 

矩池云希望可以帮助研究者们提高实验效率，同时帮助降低学习者的门槛。让用户更好的接触到最新的前沿深度学习内容，轻松训练自己的第一个模型。

🔍

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。