1、背景说明
本人非专业开发者，之前也没用过云服务器，所以在实践过程会遇到一些新手才会有的困惑。简单分享一下，给同样困惑的朋友一点借鉴，大神可以略过，谢谢！
本人目前在学习CNN的知识，拟用CNN完成图像分类任务。但自己的电脑训练模型太慢，为了不影响试验效率，申请了带GPU的腾讯云服务器。如上面所说，本人非专业开发者，因此只分享自己第一次使用GPU云服务器搭建开发环境的经验，并没有涵盖不同操作系统如何使用之类的全面攻略。下面是我使用的云服务器、开发语言等的情况：
1）云服务器：GPU计算型GN8，6核 56GB5Mbps
2）开发语言：Python
3）开发环境：PyCharm
3）机器学习开发框架：Keras，后端是tensorflow
2、腾讯云服务器开通
首先，需要购买云服务器，打开腾讯云官网/，找到云服务器的购买页面，下单付钱。
然后，购买完成后，怎么进入云服务器？
由于我是第一次用云服务器，所以看到开通云服务器的订单页后，竟不知道怎么进行下一步（其实挺简单的事，卡了我好一会儿）。
如果你的电脑也是Windows系统，通过系统自带的“远程桌面”应用程序，输入IP地址和用户名、密码，即可远程连接到云服务器。（第一次使用不知道密码的，可以先重置密码）。远程桌面连接后的云服务器，就跟普通的window电脑一样，如下所示。
由于需要用到GPU的计算能力，因此可以先打开设备管理器，看一下GPU是否工作正常。如果找不到GPU，可能需要安装GPU的驱动程序（看一个你的服务器是什么GPU，找对应的驱动程序即可）
3、搭建CNN所需的开发环境
我要做图像处理相关的任务，最终需要用到卷积神经网络（CNN）。要想进行CNN的开发，可以使用成熟的开发框架，我使用的是Keras，采用tensorflow作为后端。另外，我用的开发语言是Python，因此，我需要搭建以下内容：
1）安装Python的开发环境（我用的是PyCharm）
2）安装Python的解释器环境（用Anaconda配置比较方便）
3）在PyCharm里选择配置好的解释器环境，并测试环境跑通
接下来具体说：
1）PyCharm的安装比较方便，到官网https://www.jetbrains.com/pycharm/选择需要下载的版本，个人开发者可以下载community版，不收费。
下载完成后一直下一步完成安装即可。
2）安装Anaconda，也比较简单，官网下载之后，一直下一步完成安装。
3）在Anaconda里创建一个解释器环境，之后会将CNN需要用到的各种Python开发包放到这个环境里。
4）打开PyCharm，在设置中选择编译器环境，选择刚刚建立的环境即可：
5）在Anaconda里添加各种需要的Python开发包，包括keras、tensorflow-gpu、numpy、pandas等，需要注意的是，keras、tensorflow有版本对应关系，如果安装的版本不匹配，可能会在使用过程中报错，提示没有ddl文件。
6）每安装成功一个包，如果想即时验证是否安装成功，可以在PyCharm的Python Console里，import这个包，如果不报错，就说明安装成功了。这里由于需要用到GPU的计算能力，因此演示一下安装的tensorflow是否可用：
import tensorflow，然后用tensorflow.test.is_gpu_available()，如果返回True，则说明GPU可用。
注：后续如果需要导入其他包，也可以在Anaconda里先安装。
4、一个简单的CNN开发测试案例
keras内置了常规机器学习的模型，比如VGG16、VGG19、ResNet50等，也可以通过可读性较高的开发语言，自己搭建神经网络，进行快速的网络搭建、测试、训练等工作。
本文以用VGG16训练多标签分类的模型，说明用keras进行开发验证有多便捷：
1）导入VGG16
2）实例化VGG16模型
3）调用训练相关的类，传入参数，进行训练
4）绘制训练效果图（我这个模型训练的不太好，只是用作说明）
5 最后，有没有GPU，速度差别多少呢？
训练10000张图片，我自己的电脑（8G内存CPU）训练一个epoch需要593秒（一轮训练需要40-50个epoch），而用带GPU的腾讯云服务器训练，一个epoch只要41s，提速大约15倍。原本一轮训练要六七个小时，现在只要半小时左右，就，真的很爽！
好啦！谢谢各位的阅读，有问题欢迎留言沟通。我看云+社区不多，有需要可以加我的微信，欢迎和我讨论。
微信号：guixiaozhong123
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
