实验室没有服务器如何跑深度学习模型

实验室没有服务器可以用Googlecolab跑深度学习模型。具体 *** 作步骤如下：
1、创建colab文件：进入Google云盘后，创建一个colab文件。第一次使用，会存在colab选项不显示的情况，点击关联更多应用即可。点击colab选项后会跳转到一个页面，与jupyter基本一模一样，可输入代码段，能连接服务器，有文件目录、colab文件名和使用选项。
2、配置colab环境：点击修改后点击笔记本设置就可以配置gpu了，硬件加速选择gpu，点击连接即配置好环境，将Googledrive的云空间连接起来，就有了drive文件夹，现在配置已经全部完成。
3、配置完成就可以使用Googlecolab跑深度学习模型了，gpu是k80计算速度慢，可以再新建一个colab文件，两三次就可以开到p100了。gpu用完的场景，需要1天时间恢复，可以再弄一个谷歌账号重复上述 *** 作。

蓝海大脑人工智能液冷服务器研究人员表示：在通过马尔可夫模型研究打结蛋白的变化通路的过程当中，需要对初始通路附近，以及可行域空间中的可能初始构象进行大量的采样，只有足够多的分子构象才能给分析过程带来可靠的信息，传统的基于 CPU 的分子动力学模拟是非常耗时的，并行效率低，得到的构象不足以通过马尔可夫模型进行分析，我们利用 NVIDIA 的 TESLA K80 GPU 加速了这一采样过程，并实现了分布式的加速。
以全原子 Go 模型为主要研究方法，通过对三叶结蛋白质的分子动力学模拟，得到大量三叶结蛋白质结的展开轨迹，并基于统计分析的方法进行分析和研究。提取三叶结蛋白质展开轨迹中出现概率最大的一条进行分析。通过对三叶结蛋白质Contact Map 的处理，利用基于 Gromos 方法的聚类分析得到
在展开过程中，最有可能出现的构象。
基于 NVIDIA Kepler 架构的 K80 拥有两个 GK210 GPU，这给分子动力学模拟提供了强大且稳定的计算能力。此过程是通过开源软件 GROMACS 实现。基于 K80 的分子动力学模拟，相比于基于 CPU 的计算，有平均大于 3 倍的提升。这使在较短时间内可以得到足够多的打结蛋白质分子构象信息以及其变化过程中的可能的构象，这为用于下一步的聚类过程提供了坚实的基础。

深度学习服务器/工作站，不能单独考虑硬件配置高低，以及预算多少，要根据使用者的类型，配置合理的硬件，硬件配置至少分为两个类型：

一、深度学习开发工作站/服务器 

基本要求：

1）处理器:8核或以上

2）内存：64G内存或以上

3）GPU：1-4块GTX1080Ti,GTX Titan XP/V,Quadro GP100

4）系统硬盘：选用高速的SSD固态硬盘

二、深度学习训练工作站/服务器 

基本要求：

1）处理器:8核或以上

2）内存：128G内存以上

3）GPU：4-10块Tesla系列GPU（K40,K80,P100,V100）

4）系统硬盘：选用高速的SSD固态硬盘组阵列（工作站：要求噪音小，适合办公室使用，服务器：要求密度高，噪音大，一般适用于机房）

支持多个 PCIe 闪存存储或协处理器核心，更大的 I/O 带宽可显著提高性能： 9 个 PCIe Gen3 插槽（包括 5 x 16 个 FL/FH 插槽）。K80也是16位的，所以应该是支持的。

被动散热，也就是说利用机箱的散热系统。

服务器内部都有几十组冗余风扇，绰绰有余了。

实在觉得散热不好，也可以外加风扇的。

我们是丽台DAILI，有问题HI。

按以下配置组装：
Wiseteam SU520 S25T-SEHPB42详细参数
处理器
主板规格
内存规格
存储规格
视频/音频
网络通信
软件系统
外观特征
其它参数
适用环境
保修信息
处理器
产品类型台式工作站
CPU类型Intel 至强E7-8800 v3
CPU型号Xeon E7-8890 v3
CPU主频25GHz
最高睿频33GHz
标配CPU数量4颗
最大CPU数量4颗
制程工艺22nm
三级缓存45MB
总线规格QPI 96GT/s
CPU核心十八核
CPU线程数36线程
主板规格
主板芯片组Intel C602J
扩展槽2×PCI-E 30 x16
2×PCI-E 30 x8
内存规格
内存类型RECC DDR3
内存大小1TB
内存描述DDR3 1600MHz ECCREG
内存插槽数量32×DDR3 DIMM
最大内存容量2TB
存储规格
硬盘接口类型SATA/SAS/SSD
硬盘容量3TB+148TB
硬盘描述系统盘标配：1TB SSD企业级
缓存盘标配：2TB SSD企业级，读写速度2700M/s
磁盘阵列：SU 10TB SATA企业级，SU 48TB SAS企业级
驱动器托架13盘位热插拔
光驱类型DVD刻录机（24x）
视频/音频
显卡芯片nVIDIA Quadro K4200
显存容量4GB
GPUTesla K80
网络通信
网卡描述双万兆（10Gb）以太网卡
软件系统
支持 *** 作系统Windows、Linux
外观特征
机箱类型塔式
产品尺寸462×178×721mm
产品重量49kg
其它参数
键盘USB键盘
鼠标高精度USB激光鼠标
电源描述1500W
其它参数工作站类型：超级工作站（静音级）
静音级别：全速计算静音
智能温控检测屏
其它特点显卡接口：1个DVI-I、2个DP 12
存储器容量：24GB GDDR5
存储器带宽：480GB/s
CUDA核心数量：4992个
双精度浮点性能187 Tflops（基础频率）
双精度浮点性能291Tflops（GPU 动态提速频率）
单精度浮点性能56Tflops（基础频率）
单精度浮点性能874 Tflops（GPU 动态提速频率）
适用环境
工作温度10-35℃
工作湿度8%-90%（非冷凝）
存储温度-40-70℃
存储湿度5%-95%（非冷凝）

定位完全不一样，亲，Tesla K80是科学计算卡，是提供给研究院进行数据分析和科学运算用的。
而FirePro是制图专业卡，给3D设计师和工程师建模，设计用的。
前者是给科学家用，后者是给设计师，工程师用，定位完全不同。
理论性能上，
K80相当于两张GTXTitan SLI，而W9100是单芯卡，就是R9 290X的性能。
K80强很多，价格也比W9100贵上万块钱。

---