客观因素无非就是围绕价格来谈，现在的云服务器平台都差不多。除了几个巨头，其他的平台甚至连web界面都差不多…所以这里不谈稳定性之类的，再我看来稍有名气的平台出现bug都是非常小的概率事件，所以不足以构成考虑的因素。
有个很容易被忽略的平台：kaggle ，每周30h的免费V100用，我们学生一周工作7天，平均一天有4.2h免费使用。太爽了，如果你是入门免费的时间真够你用了。值得注意的是，kaggle主要是用notebook kernel，可能刚开始用起来会不那么爽，不过用熟悉了之后还是可以用的，而且熟悉了之后可以开打kaggle也是不错的选择。
题主说了是学生党，那我们就要利用起学生这个身份，我对比过不少平台，不多比比直接推荐价格最便宜的：autodl，在学生价方面他们平台是最便宜的，幼儿园级：xp 0.52/h，小学生级：3060 0.99/h，中学级3090 2.28/h。自己也可以再去浏览其他平台对比下。对了这个平台还有优惠券，节日全场免费等活动。
为什么要谈主观因素呢，因为在我自己总结的经验来说，刚开始用云服务器会在处理数据，改代码，选择显卡上浪费很多money。所以考虑主观因素真的能减少不必要开支。
关于节省时间，在处理数据和改代码的时候可以开无卡模式，改好之后运行一下不报错再去打开显卡训练，而且长期用下来我还发现一定不能频繁更换分区，最好是固定一个分区，然后公用代码存网盘里，每个项目新建一个实例把网盘的源码copy出来就行，非常方便，建议：一个项目实例开一张卡。
关于显卡选择，个人入门阶段随便用一块3060或者1080TI都可以。开始做一些项目实验的时候尝试3090或者A5000，等用顺溜了，保证能有效利用时间的时候就开着单卡/多卡3090，不过多卡不是简单的加倍，双卡应该是180%的效率到不了200%，所以不赶时间就单卡3090就行。
在当前很多学生，尤其是研究生都做深度学习的情况下，显卡资源变得尤为重要，当所在的大学或者实验室资源有限，怎么才能租到便宜的服务器呢？（毕竟学生大多数还是花家里钱，便宜好用是大家的首选）
由于我们实验室人多服务器少，我已经租用了一年半的gpu，现在就结合我自己的使用经历以及网上的数据，给大家分享一波便宜好用的gpu云平台。
如果你刚刚接触深度学习，想从一些小的模型入手，那么Google Colab是首选，它会为你提供免费的gpu，并且平台环境都是配置好的，还有15个g的网盘空间供你使用。使用该平台需要先注册登录谷歌账号，然后打开谷歌云端硬盘。
进入Colab后，操作类似于Jupyter Notebook，有相关操作经验的可以很轻松的使用，免费用户一般都会被分配到Telsa T4显卡，也听说有被分到K80的。
一般免费用户运行几个小时的gpu模式就会被停止，且需要保证网速稳定，电脑浏览器保持打开状态（白嫖果然限制很多。。。）。Colab还有会员模式，基础会员模式10美元一个月，会被分配到Telsa P100，高级会员模式50美元一个月，可以分配到Telsa V100显卡（显卡之间的区别建议百度天梯图），但是即便是高级会员模式，最多也就可以连续运行24个小时的gpu，且换算民币已经达到300块钱了，对于需要稳定的gpu环境的同学，这种配置的性价比肯定不足够了，那么有没有什么价格对学生党很友好且稳定的gpu云平台呢？经过我一段时间的摸索，发现了一个云平台的价格很实惠，能够满足绝大多数学生党的需求。
AutoDL提供的网盘有20个g的免费空间，各种显卡数量都比较充足，并且可以以一个小时一毛钱的价格开无卡模式，帮助文档中的内容也很充足，租用显卡后，可以用平台提供的Jupyter Notebook或者是自己的远程连接软件使用显卡，比较方便，平台还能够提供且拥有公共数据集方便用户下载，各种功能比较齐全，下面是一些AutoDL平台的截图。
总体来说对学生用户很友好，客服服务态度也很好，反应的需求都会尽量去解决，但是个人感觉还是有一点点不足，譬如部分功能还没有完全上线，部分显卡型号比较抢手等等，但是我相信这么实惠的gpu平台一定会越做越好。（注：以上内容均是根据我个人的使用体验得出来的结论，不同人的感受可能各不相同，希望该回答可以帮助到各位缺少显卡，又不知道去哪里租用的同学）
最近终于闲下来，可以好好回答一下这个问题了。首先说一下结论，关于深度学习平台，我只推荐AutoDL，原因有三：价格便宜+使用方便+服务好。
自从从微软和字节实习回来之后，就越来越用不惯实验室的1080TI了，实习的时候都是2个8块V100的GPU，回来只有2块1080TI，速度瞬间差了10倍。这里贴一下同一模型不同显卡的速度比较，供大家参考哈。
正好赶上去年CVPR Deadline，我就寻思着能不能租GPU来用用。作为学生，价格和卡的数量是我需要考虑的主要因素，因此我一开始选择的是中科类脑，类脑的卡真的很便宜，卡的数量多，而且使用越多越划算。不过，折腾了一个星期后，我放弃了。类脑是属于那种提交任务的方式，需要自己制作docker，超过500M的数据集还需要发邮箱让管理员操作。我自认为动手水平还可以，但愣是没搞定，最后实在没办法，我就准备跑一下官方的Demo，可笑的是官方给的demo都跑不起来。为了防止被定位，我这里就不贴图了。
后来，我就上知乎搜索，发现大家推荐的比较多的几个平台，一个是Featurize，还有一个就是AutoDL。经过对比之后我发现Featurize的卡是比较少的（当时都被租完了），而且价格稍贵一点。于是我就选择了AutoDL，和它们家客服聊了几句之后，就直接租了一个月3090。虽然一开始有点肉疼，但是用起来是线G，不用担心out of memory。下图是我的纪录。
至于使用体验就不用多说了，因为提供ssh的权限，所以理论上可以干任何事（vscode，pycharm，jupyter）。而且它们家的客服态度真的好，期间有一次突然连不上服务器，我立马去问客服，客服的回复是这样子的，完全不用担心吃亏有没有。
——————————————————————————————————————————————————
AutoDL的实例 30天不开机就会被释放，可以定期的用无卡模式开一下机，这样理论上可以永久保留数据。
个人喜欢用 Server酱 进行数据推送，这样可以实时的把实验结果推送到微信上，Server酱很方便而且是免费的。
每个月中可以参与抽3060显卡活动；而且各个节日都有活动，如果不是我目前不缺卡了（实验室新增了N多A100和3090），我真想次次都参与。
AutoDL目前有大量的GPU资源（3090就有400多张），这么多显卡足够跑任何模型了。
我还特地查了一下AutoDL的公司的法人是中科院计算所的山世光老师，做CV深度学习的应该没有人不知道山老师吧，个人感觉可以相信他们的实力。
有配好Tensorflow和PyTorch的环境，中途也可以关机暂停再开机继续用，之前用过几家一停止计费就会丢失数据，果断放弃了
网页里提供的功能比较多，除了基本的terminal和notebook，还有个在线版的VSCode，不用自己折腾远程连接了，当然要是想ssh或者自己用本地vscode连上去也是可以的
Colab毕竟是Google的，那么你首先要能连得上google，并且得网络稳定，要是掉线很可能要重新训练，综合来看国内使用体验不太好
如果要完成任务什么的，我安利一下我们实验室都在用的矩池云了。他们提供了GPU和CPU，在加个方面在相同硬件的情况下是非常优惠的，而且是不是会做一些大的活动。
如果老师原因申请高校版的话，还可以拿到远低于市场价的教育折扣。而且由老师给学生发专属时长。我们用的就是这个。
在安装软件的时候，有一个非常好用的apt、pip、conda国内镜像的切换脚本，一键就可以切换对应的国内软件源。
这个脚本现在已经开源了，github地址：matpool/matools。在其他云平台也可以直接使用了。
还可以保存环境，他的保存环境也比较高科技是一个snap的文件，如果训练完可以点一下这个保存并释放，要确保网盘空间足够。
