首页 ›存档› 技术 › 查看内容

教程 | 一步步从零开始：使用PyCharm和SSH搭建远程TensorFlow开发环境

2018-3-30 13:00 |来自: 互联网 596 0

摘要: 选自Medium 作者：Erik Hallstrm 机器之心编译参与：机器之心编辑部一般而言，大型的神经网络对硬件能力有着较高的需求往往需要强劲的 GPU 来加速计算。但是你也许还是想拿着一台笔记本坐在咖啡店里安静地写 Tenso ...

选自Medium

作者：Erik Hallstrm

机器之心编译

参与：机器之心编辑部

一般而言，大型的神经网络对硬件能力有着较高的需求往往需要强劲的 GPU 来加速计算。但是你也许还是想拿着一台笔记本坐在咖啡店里安静地写 TensorFlow 代码，同时还能享受每秒数万亿次的浮点运算（teraFLOPS）速度？其实这个目标不难实现，使用 PyCharm 中的一个远程解释器，你就能通过远程的方式获得几乎和本地计算时一样的性能。Erik Hallstrm 在本文中分享了如何使用 PyCharm、TensorFlow 和 SSH 搭建远程机器学习平台的过程。

需要注意的是，目前仅有 PyCharm Professional 支持这一功能，Community Edition 尚不支持。

远程数据处理机器

希望你的远程机器看起来不是这样的。

我们的目标是搭建一个固定的远程机器，其中有一个或多个先进的 GPU，必须是英伟达的虽然我不喜欢目前深度学习硬件领域的这种垄断，但 TensorFlow 只能使用英伟达的 GPU。

首先，让我们安装最新版本的 Ubuntu，我推荐你使用桌面版，你可以终止其 GUI 服务，然后释放图形内存。然后将你的计算机联网，并通过在终端（Terminal）输入 ifconfig 来获取 IP 地址，在本文中，我假设我们的 IP 地址是 192.168.0.1，在实际操作时，你需要根据你自己的情况进行修改。

设置 SSH

为了让你的计算机与你的数据处理机器通信，你需要在其上安装 SSH。打开你的固定计算机上的终端然后输入以下代码进行安装：

sudo apt-get install ssh

启用 SSH X11 转发让你可以进行绘图（plot），首先如下打开配置文件：

sudo gedit /etc/ssh/sshd_config

然后找到注释行：

# X11Forwarding yes

移除前面的 # 号，然后保存并关闭该文件。

显卡

接下来安装显卡驱动，通常不同的显卡都有自己专用的驱动，所以你需要在你的软件包管理器中增加一个新的库（repository）。你所需的软件请根据你自己的显卡和 Ubuntu 版本进行选择。我在这里使用的是 NVIDIA-367，了解更多请参阅：https://help.ubuntu.com/community/BinaryDriverHowto/Nvidia

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-367

CUDA 和 cuDNN

现在应该安装 CUDA 工具包和 cuDNN 了，这是运行 TensorFlow 所必须的。你可以从英伟达的网站上下载它们：

CUDA：https://developer.nvidia.com/cuda-downloads
cuDNN：https://developer.nvidia.com/cudnn

注意下载 cuDNN 需要注册。这里使用的是 CUDA 8.0 和 cuDNN 5.1。对于 CUDA，我更喜欢使用内置的软件包管理器，这能让我们可以更轻松地追踪安装情况：

sudo dpkg -i cuda-repo-ubuntu1604_8.0.44-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda-toolkit-8.0

确保其 symlink 设置正确：

readlink -f /usr/local/cuda

声明：文章版权归原作者所有部分文章转自互联网如有侵权请联系 [邮箱地址] 删除

路过

雷人

握手

鲜花

鸡蛋

收藏分享邀请

上一篇：如何在小程序中接入微信登录？下一篇：谷歌开源JPEG压缩算法，比同类方法性能优越35%

教程 | 一步步从零开始：使用PyCharm和SSH搭建远程TensorFlow开发环境

相关分类