华为云服务到底好用吗

刚好最近用华为云，说下个人体验。
因为最近准备做深度学习，想租用Gpu服务器，查了下只有阿里云是成熟的，但将近9000每月，放弃。申请了百度云，腾讯云，华为云的公测，2天后华为打电话给我，另外两家至今没有回音，而我也开始了华为云的奇葩之旅。
1GPU公测非常非常便宜，128元每月。
2服务非常非常好，每次出现问题，客服，售后，研发一堆人联系你
以下开始吐槽了:
1，GPU服务器居然不支持Cuda,而且转了一圈，才告知不支持
2，服务器内网远程桌面有重大BuG，长时间不断开，会导致服务器连不上，Cpu占用率100％，提示密码错误
3，而修改密码过程真是反人类:您需要购买另一台服务器，将云盘挂载过去，再下载一个系统工具，修改之后再执行，再挂载回去
4，当然你还有另一个办法，就是重装系统。然而悲催的是，重装过程可能失败，8核版本居然重装不了。然后一轮客服之后，会联系退了订单，重新下单。最后客服还会贴心的打电话给你，询问退单过程满意不满意
5，我想GPU服务器不行，华为还有高性能公测，我又申请这个，同样非常高效就开通了
6，但是，但是，开通之后我收到的是密集存储型的权限。沟通之后，客服说是他们后台权限搞串了，让我申请密集型，就会返回高性能型。
7，搞定，我终于可以开通高性能，一看，每月10000，比阿里云还贵
8，联系客服，说虽然界面显示公测，但实际商用，没有公测价格，但是可以帮我争取75折优惠。。。。。
一句话，服务很好

深度学习是需要配置专门的GPU服务器的:

深度学习的电脑配置要求：

1、数据存储要求

在一些深度学习案例中，数据存储会成为明显的瓶颈。做深度学习首先需要一个好的存储系统，将历史资料保存起来。

主要任务：历史数据存储，如：文字、图像、声音、视频、数据库等。

数据容量：提供足够高的存储能力。

读写带宽：多硬盘并行读写架构提高数据读写带宽。

接口：高带宽，同时延迟低。

传统解决方式：专门的存储服务器，借助万兆端口访问。

缺点：带宽不高，对深度学习的数据读取过程时间长(延迟大，两台机器之间数据交换)，成本还巨高。

2、CPU要求

当你在GPU上跑深度网络时，CPU进行的计算很少，但是CPU仍然需要处理以下事情：

（1）数据从存储系统调入到内存的解压计算。

（2）GPU计算前的数据预处理。

（3）在代码中写入并读取变量，执行指令如函数调用，创建小批量数据，启动到GPU的数据传输。

（4）GPU多卡并行计算前，每个核负责一块卡的所需要的数据并行切分处理和控制。

（5）增值几个变量、评估几个布尔表达式、在GPU或在编程里面调用几个函数——所有这些会取决于CPU核的频率，此时唯有提升CPU频率。

传统解决方式：CPU规格很随意，核数和频率没有任何要求。

3、GPU要求

如果你正在构建或升级你的深度学习系统，你最关心的应该也是GPU。GPU正是深度学习应用的核心要素——计算性能提升上，收获巨大。

主要任务：承担深度学习的数据建模计算、运行复杂算法。

传统架构：提供1~8块GPU。

4、内存要求

至少要和你的GPU显存存大小相同的内存。当然你也能用更小的内存工作，但是，你或许需要一步步转移数据。总而言之，如果钱够而且需要做很多预处理，就不必在内存瓶颈上兜转，浪费时间。

主要任务：存放预处理的数据，待GPU读取处理，中间结果存放。

深度学习需要强大的电脑算力，因此对电脑的硬件配置自然是超高的，那么现在普通的高算力电脑需要高配置硬件。

云服务器安全性是其主要优势之一。云服务商支持专业的安全技术、安全团队、监控机制，并具有长期的安全防护经验。在bluehost云服务器上的网站不太可能遭受DDOS攻击和数据泄漏。如果是敏感业务，还可以添加云安全服务，以实现更严格的安全防护。

第一，云服务器部署非常快捷，常规的服务器需要一系列的资源配置上架，还需要根据语言类型安装合适的 *** 作系统，需要大量的时间和精力，而云服务器可以在几分钟就可以获取资源完成服务器的交付使用。

第二，云服务器的缩放是d性的，云服务器可以根据客户的时事需求进行资源分配，这样既灵活高效，又能做到资源不浪费。而普通的服务器是需要人为估算的，因为带宽和资源需要提前设定好，所以估算的时候要求尽量准确，不然估算的太小，资源不够用，会出现卡顿或者服务器瞬间崩溃，如果估算的太大就会出现资源浪费。

第三，云服务器的运维成本更低，因为云服务器的 *** 作简单，而且都是有服务来负责，只需要维护云服务器的内部问题就可以了，所以相较于传统的服务器，运维更省事。

第四，出现意外可以有效的进行数据迁移，因为云服务器具有自动修复和热迁移的能力，所以即使出现硬件故障或者火灾等情况，云服务器也可以很快的将数据迁移，继续使用。

第五，价格更实惠，因为云服务器不需要提前定制多大的资源，根据自己实际需要的资源来付费，更人性化。
我用的是小鸟云香港高防云服务器搭建电商网站，费50g的防御，高防节点，BGP线路，三网互联减少延迟，因为香港免备案，所以网站上线的速度很快>

主要是看运行什么软件和数据量，训练数值大小，这里要强调一下，数值大小和数据量是不一样的。

深度学习服务器的核心部件还是CPU、硬盘、内存、GPU，特别是很多深度学习依靠GPU的大规模数据处理能力，这就要强调CPU的计算能力和数量，同时不同的数据对GPU的显存要求也不一样。

当下大部分都在用RTX3090做深度学习，最新RTX4090已经上市，单精度计算能力是RTX3090的2倍，这两个GPU都是24G显存；像A100强调双精度计算能力，显存有40G和80G两个版本，而A6000单精度计算能和RTX3090差不多，显存是48G，可以参考选择。

当然，最重要的还是口袋里的银子，A6000市场价大概是RTX的2倍还要多，A100最近更是要上十万了，估计也快买不到了，价高缺货；RTX3090/4090的价位低，性价比高，这也是为什么大部分人都选择它们做深度学习了，这是市场的选择。

---