AWS上搭建深度学习主机(Windows版)

作者: Deeplayer 2017-05-22 12:30:15

本文简单介绍一下如何租赁并使用 Amazon EC2 P2 实例:

p2.xlarge 搭载了一块12G 显存的 Tesla K80 显卡。上图中的价格是Linux操作系统上的价格,Windows上会稍贵一点,p2.xlarge 价格是 $1.084 每小时,这也是我选择的实例。不过为了降低费用,我选择的是竞价实例。这样一来价格可以低至 $0.2746(可能会有所波动)。

下面介绍具体流程:

1. 注册账号

首先要在AWS上注册一个账号,并且需要绑定一张可以支付美元的 Visa 或 Mastercard 信用卡。注册好之后需要请求提高限制,填写区域的时候填弗吉尼亚北部或者俄勒冈,然后在 New limit value 一栏里填1,填好后 submit 一下就行了。然后就是等候通过,我当时等了大概2个小时。

2. 开启实例

打开 EC2 控制面板,如下:

然后选择左侧栏的竞价请求(如果你点击"启动实例"的蓝色按钮,你将进行正常的实例开启进去之后选择操作系统,然后一路进行下去就行,过程中需要创建并下载秘钥对),进去之后,点击"请求竞价实例"的蓝色按钮。然后开始填写,其中AMI选择你想要的(选择Windows系统时一定要带有桌面!),其他按如下填写就行:

然后进入下一页,EBS 卷大小选大一点,比如500G,如果你选的 Windows 系统那就是 C 盘的大小。你也可以再添加其他卷(盘)。接下来 "密钥对名称" 那一栏,没有的话就创建一下,然后下载保存好,后面会用到。"安全组" 一栏可以 default 或者创建一个。 "有效时间" 自己决定就好,反正中途可以自行结束。然后点击审核按钮,然后点击启动。然后你会看到如下页面:

看到状态激活后,点击红框框里的东西,然后你会看到如下页面(刚开始会进行2轮状态检查,全部通过后就是下面这张图):

一旦状态检查通过后,便开始计费了(不足一小时按一小时计费)。下面就可以进行远程桌面连接了。

Note: 竞价实例虽然便宜,但是一旦开启后不能停止,只能终止,一旦终止所有的在远程系统上的配置、数据都将清空,你只能重新开启一次竞价请求。在开启实例之前,如果你有无法从网上直接下载的数据,那么一定要在开启实例之前把所有数据传到网上(如 Google drive 或者 Dropbox 或者百度盘),然后在服务器上下载这些数据,以节省开支。

3. 远程桌面连接

点击上面那张图里的 "连接" 按钮,然后下载远程桌面连接程序,顺便获取一下登陆密码,这时就需要用到之前下载的秘钥对。运行远程桌面连接程序,选择Administrator,然后输入密码。连接成功后,你就可以远程控制服务器了(桌面上的 Chrome,NV 和 Pycharm 都是我后装的):

4. 深度学习环境配置(Windows 10)

由于我的主机是 Windows 10 系统,所以我就介绍一下 Windows 10 下 GPU版的 Tensorflow + keras 的安装。

Step 1: 安装 Python 3.5.2

Step 2: 安装 Visual Studio 2015 (C++ 部分就行)

Step 3: 安装 CUDA Toolkit 8.0(假设安装路径为: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0)

Step 4: 下载库 cuDNN v5.1,然后将里面的三个文件夹复制到上一步的路径里,如下:

Step 5: 环境变量,确保如下就行:

Step 5: 安装 Anaconda,然后如下:

创建 conda 环境,命令行里输入: conda create -n tensorflow-gpu python=3.5.2

激活环境:activate tensorflow-gpu

安装 Tensorflow:pip install tensorflow-gpu

安装 Keras:pip install keras

Step 6: 安装 Python IDE,如 Pycharm。

深度学习 人工智能
上一篇:寻找CNN的弱点,小心MNIST中的“套路” 下一篇:深度学习中批归一化的陷阱
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
美城市Baltimore可能颁布最严格的面部识别禁令

据介绍,拟议的法令将禁止私人或商业组织,甚至执法机构在城市使用面部识别技术。

千家网 ·  2021-06-01 09:34:07
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载