-
在 floydhub.com 上创建一个帐户(别忘了确认电子邮件)。你将自动获得 100 个免费 GPU 小时。
-
在你的计算机上运行
floyd
命令:pip install -U floyd-cli
即使你之前已经安装了
floyd-cli
,也要执行这一步。确保你安装的是最新版本(它的开发速度很快!)。 -
用此命令绑定你的 Floyd 账号:
floyd login
(系统会在浏览器中打开一个具有身份验证令牌的页面,你需要将该令牌复制到你的终端里)
-
克隆代码库:
git clone https://github.com/ludwiktrammer/deep-learning.git
注意:这个代码库与优达学城的代码库之间有些许差别。你可以在 README 找到详细说明。要使用这份说明一步步操作,我们建议你使用 ludwiktrammer 的代码库。
-
进入图像分类项目文件夹:
cd image-classification
-
初始化 Floyd 项目:
floyd init dlnd_image_classification
-
运行项目:
floyd run --gpu --env tensorflow --mode jupyter --data diSgciLH4WA7HpcHNasP9j
这段命令的意思是:它将在有 GPU(
--gpu
)的机器上运行,使用 Tenserflow 环境(--env tensorflow
),使用 Jupyter 记事本(--mode jupyter
),且可用 Floyd 的内置的 cifar-10 数据集(--data diSgciLH4WA7HpcHNasP9j
)。 -
等待 Jupyter 记事本准备好,然后复制终端里显示的 URL(见 “path to jupyter notebook”)在浏览器中打开,你将看到该记事本。
-
当你没有使用该记事本时,请记得关闭实验(experiment)。只要实验在运行(即使是在后台运行),就会消耗 GPU 时间,而你只有 100 小时的免费时间。你可以在 floyd.com 的“Experiments”部分,或使用
floyd stop
命令停止实验:floyd stop ID
(其中 ID 是当你运行该项目时,在终端里显示的 “RUN ID”。如果你找不到该 ID,可以在 floyd.com 的“Experiments”部分找到。)
重要提醒:当你运行项目时,它将始终从头开始(即从计算机上的本地状态开始)。如果你在此前的运行中,对服务器上的 Jupiter 记事本上做了修改,这些更改将不会在之后的运行中生效。要永久保留这些更改,你需要将这些更改添加到本地项目文件夹中。运行记事本时,你可以直接从 Jupyter 菜单栏的 - File / Download / Notebook 下载记事本。下载完毕后,将本地的 dlnd_image_classification.ipynb
文件替换为新下载的文件即可。
如果你已经停止实验,依然可以使用 floyd output
命令下载文件:
floyd output ID
(其中 ID 是当你运行该项目时,在终端里显示的 “RUN ID”。如果你找不到该 ID,可以在 floyd.com 的“Experiments”部分找到。)
只需运行上述命令,下载 dlnd_image_classification.ipynb
,并将本地版本替换为新下载的文件即可。
ludwiktrammer 代码库与优达学城的原代码库有何区别?
-
添加了对 Floyds built-in cifar-10 数据集的支持。如果检测到该数据集,将直接使用,无需再下载任何文件。(见此 commit,详细了解 Floyd 提供的数据集)
-
添加了
floyd_requirements.txt
文档,自动处理另一个依赖问题。(见此 commit,详细了解.floyd_requirements.txt
文档) -
添加了
.floydignore
文档,防止上传本地数据到 Floyd,以免浪费时间,甚至出现超时的问题。((见此 commit,详细了解.floydignore
文档) -
添加了这个 README