过去两年，有三类人对显卡价格特别敏感。
一类是游戏党，第二类是挖矿党，还有一类是炼丹党，所谓“炼丹”就是搞学术研究的大佬，或者计算机专业的学生。
极端情况下，搞不到GPU做机器学习，搞不好都能影响毕业。
不得不说，显卡是真的缺，前不久，杜克大学电子与计算机工程系陈怡然教授发的微博也提到了显卡。
他说，有个朋友想从AWS那里申请点免费的GPU资源。甚至还自嘲，“学术界的人，不仅事儿多，还不能给人家提供什么利润”。显卡已经缺到这种地步了。
而我，作为云资源的资深羊毛党，曾经作为新用户，用了两年AWS Freetier资源，但AWS Freetier并没有GPU资源，也不难理解，毕竟GPU太贵了。
前几天，又有朋友问我，她有朋友想做毕设，需要用GPU，想了解下AWS有没有类似的资源，我先是说，这个东西真没有。
然后，想起来，我朋友圈里有个AWS的专家，这位专家也很Nice地说，“还真有！”
链接在这里：
当我看见，这东西完全免费。
我血液里的羊毛党的热情又燃了起来，忍不住试了试。
各种基本信息，邮箱用的是QQ邮箱，也不需要信用卡信息，哈哈哈！
提交申请！
验证完邮箱，然后就等AWS的神秘工作人员通过我的申请了。
我是周四下午六点申请的，周五上午7点42个收到了申请通过的通知。
【坏笑】
点击创建账户，然后又验证了一次邮箱，大功告成！
可以选CPU也可以选GPU资源，为了跟付费资源区别开，CPU每运行12个小时会自己中断一次runtime和进程，但进度会保存下来，GPU则是4个小时中断一次。
点击开启运行时，稍候片刻，右侧的按钮点亮。
然后就是熟悉的Jupyter Notebook了！
SageMaker Studio Lab是一个免费的Notebook开发环境，提供15GB持久存储，使用的时候，所有notebook，源代码，文件，数据集都能自动保存，每次重新打开都能继续原来的进度。
它本身是基于开源的JupyterLab打造的，所以，本地上怎么用JupyterLab，就能在这里怎么用SageMaker Studio Lab。
刚才打开的是CPU版本的，我试了试GPU版本，弹出了一个提示，确定用GPU之后，提示目前暂时没有可用的GPU资源，可能等等就有了。
如果是囊中羞涩的学生党，那就不妨等等呗？
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。