GPU是每个深度学习爱好者必备的工具，但是价格昂贵，并不是每个人能承受的起。本文将介绍使用AWS打造自己的深度学习平台。AWS按小时收费，对于一般的工作要求就足够了。下面我们将介绍详细步骤：
1. 登陆 https://aws.amazon.com/cn/， 申请和登陆自己的账号。登陆以后点击右上角的 “登陆控制台”，进入自己的控制台页面；或者直接进入链接：http://console.aws.amazon.com/ 登陆控制台。
2. 点击左上方的服务按钮，如下图所示，选择 “EC2”类型。
3. 这时候在页面的中间会出现一个“启动实例”的蓝色按钮，点击进入，如下图：
4. 这时候就要求我们选择一个系统映像AMI，点击社区AMI，搜索"fastai"，fastai是一个提供免费的针对kaggle的深度学习课程的网站，质量非常高，建议读者有空可以看一下。
5. 下面就进入了第二步，选择实例类型。因为是进行深度学习计算，我们选择GPU计算里面的p2.xlarge . 如果需要更高的性能可以选择p2.8large或者p2.16large. 当然收费更高。然后点击右下角的“审核和启动”。然后点击右下角的“启动”。
6. 这时候系统会让你选择“密钥对”，如果以前没有建立过，请选择“创建新密钥对”。输入一个你想要对名称。然后点击“下载密钥对”，会获得一个.pem文件。然后点击启动实例。如图所示：
7. 现在你的实例就已经启动了。然后按照图1的方法，选择左上角的EC2，进入。点击左边栏的“实例”就能看到自己当前启动的实例。以后使用直接进入这个界面，右键对应的实例进行启动就可以了。在界面的右下角能看到实例的IP地址。
8. 如果实例显示running，表示已经成功建立你的实例了。然后可以远程登陆你的实例。打开你的terminal，进入到你下载的密钥.pem的路径。使用下面的命令进行登陆，替换其中的name.pem为你的pem文件名称，替换your_IP为你实例的IP地址：
chmod 400 name.pem
ssh -i name.pem ubuntu@your_IP -L8888:Localhost:8888
按照terminal命令，输入yes, 应该就能登陆了。
然后我们要打开jupyter写代码，输入命令：
jupyter notebook
在窗口就会出现一条链接，如图，粘贴这条URL到你到浏览器，就能在本地打开jupyter写代码了，代码会上传服务器运行：
深度学习需要的Python package基本都已经安装在这个平台了，所以节省了很多安装的时间。
9. 最后一步，当使用完AWS实例以后，切记要右键关闭实例！！！否则会一直收费。
下次使用只需要重新打开，连接就可以了。到这一步，我们的AWS深度学习平台就建好了。
