前言

最近參加了Kaggle上有關影像分類的比賽，於是就開始研究所謂的深度學習影像分類(Deep learning in image classification)。隨著看的文章越來越多，以及接觸了一些深度學習的框架後，我開始佩服當初我買下GTX-1060的衝動。

當初本來只是想說有朝一日無聊的時候可以玩玩遊戲，壓根還沒意識到原來使用GPU進行深度學習計算已經是如日中天的火熱議題，基本上不會用GPU加速的話，那你大概就跟騎腳踏車跟F1比速度差不多(當然幾乎都是直接請框架幫忙串接GPU，不然光學那些新的東西不曉得要待到何年何月…)

根據我實際測試的經驗來說，以GPU完成一次訓練要1000秒的程式，丟給CPU大概要五倍以上的時間…在所謂時間就是金錢的世界裡，要挑哪個做為運算基礎已經不言而喻。

扯遠了，之所以會開始嘗試Google Cloud，是因為我在享受了GTX-1060帶給我的「極速」快感後，又食髓知味的想說：快還要更快！因此就有了這次的嘗試經驗。

Google Cloud Platform

可能是因為進入市場比較晚的關係，之前一直可以在廣告上看到Google Cloud Platform現在對新加入的使用者，提供為期60天的300美元免費試用。

因為註冊帳號這應該算是SOP流程，所以這邊就不詳細記錄。值得一提的是Google Cloud跟Amazon的AWS(Amazon Web Services)的功能應該算大同小異，基本上就是提供各式的雲端伺服器、計算、網路、儲存等等解決方案(不過我也只有大概玩過雲端伺服器，因此算不負責任簡介)。

由於我是追求更快的GPU才會找上Google Cloud，並且之前有使用過AWS的經驗，因此我自信的就直接跳過Google提供的新手教學，直接跳到新增虛擬機器的頁面(進入主控台後，在左側的運算→Compute Engine→VM執行個體)。接著選好了有提供GPU的服務據點後，照著非常明瞭的流程引導按下了啟動VM的按鈕。

注意啟動VM需要一定的時間，這裡就先說說為什麼我要棄AWS不用，跑來嘗試Google Cloud…很簡單，因為他有提供300美元的額度給我玩啊！就在我幻想著300美元可以玩伺服器等級的NVIDIA Tesla K80 GPU大概多少小時的時候，一個無情的提示從旁邊跳了出來：「你的權限不足，開啟VM失敗…」

天下沒有白吃的午餐

我當下第一個反應是WTF，然後就重新看了一下Google Cloud上面的免費試用說明…好吧，如果是免費試用的話，你的vCPU數量最多是8顆，同時也沒有GPU使用的權限。看起來要使用GPU除了要升級成付費帳戶之外，還需要填寫一個配額的申請表單…

好吧，反正我也只是想嘗鮮試試看K80的計算速度能不能帶給我極致的享受，一小時的使用費加一加也才1美元左右，於是乎我就飛快的申請完配額解鎖，靜靜地等待解鎖的通知。(因為爬文有看到解鎖的時間很快，所以我就沒有考慮去用AWS，AWS如果要用GPU一樣要申請解鎖…)

大概五分鐘之後Google服務團隊就幫我解鎖了，Nice Job！我就開始重新設定VM，接著啟動！在VM啟動期間，我還想著等一下要怎麼設定SSH連線而手忙腳亂的時候，VM開啟了。我在啟動的VM旁邊找到了SSH的相關下拉選單，然後看到了Google非常貼心的一個功能：基於網頁就能執行SSH遠端操作的功能。

實際測試

這實在是一個太人性化的設計了，我一邊讚嘆一邊登入，接著才發現我除了不太會下Linux指令，連要怎麼su成root的密碼在哪都不知道…想到之後還要到Kaggle登入下載運算檔案，因此我果斷地把VM刪了，重新新增一台OS是Windows Server 2013的VM，果然還是有GUI的環境好用啊！

就在環境設定完成後，我便開始測試K80的運算速度…結果我就不想多說了，K80花了大概25分鐘跑完我1060跑15分鐘就能跑完的程式碼…雖然不排除可能是我設定上有問題，但說好的速度與激情呢！？