www.machinelearningmastery.ru

Машинное обучение, нейронные сети, искусственный интеллект
Header decor

Home

Настройка рабочей станции глубокого обучения в AWS

Дата публикации May 28, 2017

Это пошаговое руководство по настройке машины в AWS, которая может выполнять сложные задачи глубокого обучения, такие как классификация изображений или распознавание лиц.

Почему не моя собственная машина

Ну, у меня был тот же вопрос, пока я не увидел, насколько медленным был запуск алгоритма для базовой классификации изображений. Фреймворки глубокого обучения, такие как Tensor Flow или Theano, работают на CPU, но больше ориентированы на вычисления на GPU. Алгоритмы работают быстрее в GPU по сравнению с CPU.

Подробнее о CPU против GPU:

Введение в TensorFlow - CPU против GPU

В этом уроке мы сделаем простое умножение матриц в TensorFlow и сравним скорость графического процессора с…

medium.com

При этом Amazon предоставляет систему графического процессора за 0,90 $ в час, и ее можно использовать для запуска алгоритма, и машина поставляется со всей предконфигурацией. Вот пошаговая информация.

После входа в Aws выберите Ec2 в боковом меню.

Выберите Launch Instance. Amazon предоставляет все необходимое программное обеспечение и поддерживает его. Мы можем просто выбрать образ машины в Aws MarketPlace

Название изображения: глубокая учеба AMI Amazon Linux версия

Это должно предоставить вам следующий экран

Выберите изображение и нажмите «Далее», чтобы выбрать вычисление на GPU.

Этот шаг обойдется вам в $ 0,90. Но есть несколько интересных способов снизить затраты, изменив пример между обучением и тестированием. Подробнее об этом позже.

Вы можете щелкнуть далее, пока не настроите группу безопасности, а затем добавить новую группу безопасности.

Это оно!! нажмите на обзор и запустите. Вы можете машину, которая настроена на глубокое обучение.

Существует вероятность того, что вы можете получить сообщение об ошибке, превышающее лимит запросов. Вы можете подать запрос в AWS, чтобы убрать это.

Для запуска экземпляра Нажмите и подключите кнопку и следуйте инструкциям.

С этим последним шагом у вас есть машина, которая содержит все необходимое для глубокого изучения. Есть еще несколько шагов, чтобы сделать инструменты разработчика простыми в использовании. Я имею в виду, что вы должны настроить ноутбук Jupyter так, чтобы он был легко доступен снаружи.

После подключения в команде выполните следующие действия

Последняя строка блока кода сгенерировала бы ключ SHA следующим образом

sha1: 806d23d9c1c8: 2da90b513b6ae2a941a4bdcf6843a3a0ea5a7

Скопируйте и сохраните в блокноте

Затем вернитесь к терминалу Тип

vi ~ / .jupyter / jupyter_notebook_config.py

Если вы не являетесь пользователем Vi, помните, что вам нужно нажать I, чтобы начать вставку содержимого, и когда вы закончите, вы можете нажать потом и, наконец, выйти из Vi esc: wq enter при сохранении ваших изменений (расшифровывается как write-quit ).

Измените пароль на сгенерированный ключ SHA1, который вы скопировали в предыдущем шаге.

Обновить Керас

Keras будет в версии 1.X, но его легко обновить с помощью простой команды

sudo pip install keras - обновление - no-deps

Теперь, когда вы обновились, вы можете запустить ноутбук Jupyter с помощью

Блокнот Jupyter

Это запустит ноутбук Jupyter, доступный через Интернет с публичным IP. Вы можете найти публичный IP ниже

После этого вы можете создать пустой блокнот и набрать текст.

Хорошо, теперь шаг сделан. Вы можете создать мир лучше.

Оригинальная статья

Footer decor

© www.machinelearningmastery.ru | Ссылки на оригиналы и авторов сохранены. | map