Py学习  »  机器学习算法

推荐 | 利用矩池云快速构建强大易用的深度学习环境

PaperWeekly • 5 年前 • 660 次点击  


        

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 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。



Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/62471
 
660 次点击