引言
云服务器租赁已成为企业和个人在当今数字时代获得弹性和可扩展计算资源的关键选择。随着云服务提供商数量的不断增加，了解不同的租赁价格至关重要，以便做出明智的决策。本文将提供有关云服务器租赁价格的全面指南，包括位置、区域和提供商方面的考虑因素。
影响云服务器租赁价格的因素
影响云服务器租赁价格的主要因素包括：
1. 位置
云服务器的位置会影响租赁价格。位于主要数据中心位置的服务器（如纽约市或伦敦）通常比位于较偏远地区的服务器更都有自己的定价结构，具体取决于该区域的可用资源、需求和竞争。
3. 提供商
不同的云服务提供商对他们的云服务器租赁服务有不同的定价结构。这些结构可能会基于每小时、每月或每年订阅定价。
按位置的云服务器租赁价格
以下是最受欢迎的云服务器位置及其相应的租赁价格范围：| 位置 | 价格范围 ||—|—|| 美国东部（弗吉尼亚州） | $0.09 – $0.11/小时 || 美国西部（俄勒冈州） | $0.08 – $0.10/小时 || 欧洲（伦敦） | €0.11 – €0.13/小时 || 亚太地区（新加坡） | SGD 0.09 – SGD 0.11/小时 |
按区域的云服务器租赁价格
各个云服务提供商的云和预算的云服务器租赁计划。
如何使用AutoDL远程服务器连接PyCharm运行代码
首先登陆AutoDL官网，找到算力市场租用服务器。
租用后点击控制台，查看容器实例，获取服务器信息。
使用专业版PyCharm，进行以下设置：1. 打开PyCharm设置，进入项目下的Python Interpreter。
2. 点击设置，添加新配置。
3. 复制服务器登陆指令，填写相关信息：Host、Port、Username，点击添加。
4. 转至服务器控制台，复制密码，粘贴到PyCharm设置中。
5. 设置Python环境，选择服务器上的Miniconda3中的python3。
6. 配置Sync folders，设置本地与服务器路径，用于保存文件。
7. 设置完成后，PyCharm环境配置完毕，可以运行代码。
至此，AutoDL远程服务器连接PyCharm完成。
若需进一步了解程序运行与文件操作，欢迎收藏与留言，期待下一期教程。
如何租用服务器(AutoDL)运行自己的深度学习模型(以NeRF为例)
使用AutoDL平台租用服务器来运行自己的深度学习模型，如NeRF，是一个既经济又高效的选择。
在进行NeRF模型复现的过程中，我首次接触服务器运行模型。
通过AutoDL算力云，我找到了相对便宜的租服务器解决方案。
注册时，学生认证可享受一定优惠，操作流程简单，只需进入AutoDL平台注册账户，选择服务器类型并完成服务器实例租赁。
挑选服务器类型时，根据个人需求选择配置，我选择的为北京A区的RTX 3090配置。
随后，借助PyCharm实现远程服务器控制，通过添加SSH解释器配置连接，输入主机、用户名与端口号，复制登录指令，即可实现服务器连接。
登录指令通常格式为 ssh -p 端口 用户名@主机，例如 ssh -p 。
完成登录后，通过Python代码查看远程服务器中Python解释器的地址，并确保项目文件及数据集已同步至服务器。
注意，对本地项目文件进行更改或删除时，应确保同步至服务器端，以保持一致性。
运行代码前，先检查所需的包是否已安装，如未安装可通过 pip install 或 conda install 命令下载。
随后，通过PyCharm终端连接服务器，查找项目文件在服务器中的具体路径，并根据路径执行相应命令以运行模型。
在运行过程中，使用ls命令确认项目文件所在目录结构，以便准确执行代码。
整个过程涉及服务器配置、远程环境搭建与代码执行，通过AutoDL算力云平台，轻松实现深度学习模型的高效运行。
参考AutoDL帮助文档，可获取更多详细指导与支持。
租赁云算力平台初步调研对比【AI Studio、MegStudio、Colab、Featurize、AutoDL】
经过初步调研对比，当前使用的是 Featurize的服务器。
Featurize在以下方面展现出显著优势：价格便宜（为当前全网最低价）、环境已预先安装了tensorflow和pytorch框架（方便快捷）、算力配置全面（包含GPU和CPU机型）、云空间大且数据迁移友好（20G免费云空间，重置服务器不会清空数据）、售后服务响应迅速。
但也有需要改进的地方，例如长时间训练易掉线、大模型训练时资源限制，以及数据安全问题。
建议使用云服务器时注意数据安全。
Featurize作为平台，提供了没有框架限制的使用体验，每次使用时无需自行配置框架和环境，支持tensorflow和pytorch框架，且算力配置全面，最低价格，界面美观，售后及时，且2021年9月进行了UI优化。
然而，服务器数量不足，部分机型抢购困难，长期使用成本存在，且需要一定知识储备以适应云端与本地配置差异。
此外，数据安全问题及服务器稳定性需要关注，训练过程可能会出现中断。
AI Studio作为网络提供的服务，提供免费Tesla V100资源，适合学生和新手用户，平台配置了丰富的教程和学习资源。
然而，它仅支持网络自家的PaddlePaddle框架，限制了用户的选择，同时存在数据安全问题，且存在算力需求问题。
MegStudio由旷视提供，主要支持自家的MegEngine框架，提供了包括常用模型的现成代码，方便模型学习者使用。
但同样面临框架限制、数据安全问题、较少的社区贡献者、API种类不丰富以及中国用户使用不便的问题。
Colab由谷歌提供，是唯一提供TPU算力的平台，免费且支持多种框架，拥有完备的开源社区资源。
然而，它需要科学上网，存在频繁掉线的问题，且需要掌握科学上网知识，有数据安全风险，且在中国的使用存在限制和支付方式问题。
AutoDL的体验和具体评价待补充。
