| 以下内容已屏蔽图片优化访问速度 |
|---|
|
参加了今年的AWS Summit，里面有一个很有意思的环节是Intel组织了一个基于AWS的深度学习上手课程。 为什么在AWS上呢？ 这个课程以及代码的地址在这里[IMG]Deep Learning AMI. 为什么是Intel组织呢？ [IMG] 因为Intel的观点认为，通过使用Intel的MKL库，可以基于Intel的CPU而非一定要GPU，就能取得高性能的深度学习。 哈哈，终于明白了。 但是也给了我们普通的学习者上手深度学习一个很好的机会，因为如果基于GPU，无论是你自己买一个，还是使用AWS的GPU实例，实在是成本有一点高。而基于CPU，用一个普通的虚拟机就可以了，接下来的实验，本人都是在一台普通的ubuntu 14.04虚拟机上完成的。 在国内登陆AWS还是多少有些不方便的，而且AWS那个AMI是什么都安装好的，用起来容易，但是不容易看出将来如何自己搭建一个环境。于是还是自己手动来的好。 这个实验启动一个Jupyter Notebook，里面用python语言完成下面三个实验。 [IMG] 第一，安装mxnet，当然现在tensorflow很火，但是mxnet也非常好 apt-get update apt-get install -y wget python gcc wget [IMG]&& sudo python get-pip.py pip install mxnet apt-get install graphviz pip install graphviz 第二，下载mxnet_workshop apt-get install git git clone [IMG]notebook apt-get install python-dev pip install --upgrade ipython==5.4.1 -i [IMG]--trusted-host pypi.douban.com pip install widgetsnbextension -i [IMG]--trusted-host pypi.douban.com pip install jupyter -i [IMG]--trusted-host pypi.douban.com 第四，配置jupyter notebook jupyter notebook --generate-config --allow-root 修改.jupyter/jupyter_notebook_config.py下面三项 c.NotebookApp.ip = '0.0.0.0' c.NotebookApp.open_browser = False c.NotebookApp.password = u'sha1:356c980c45d3:87608ec6eb8c0dacb693ddf48ffd2ec39fd0fa9b' 最后这个密码是deeplearning，将来用它登陆jupyter notebook 第五，安装Intel MKL apt-get install cmake apt-get install doxygen apt-get install g++ git clone [IMG]mkl-dnn/ cd scripts && ./prepare_mkl.sh && cd .. mkdir -p build && cd build && cmake ..&& make make install 第六，启动jupyter notebook cd mxnet_workshop jupyter nbextension enable --py widgetsnbextension jupyter-notebook --allow-root 第七，从界面上访问jupyter notebook 通过8888端口进入界面，输入密码deeplearning [IMG] 第八，跑实验一Part_1_Sentiment_Analysis.ipynb 在每一段python代码里面，依次点击ctrl + 回车，当左面的*变为数字的时候，这一步就运行完毕了，可以运行下一步。 如图是正在训练模型。 [IMG] [IMG] 利用模型检测态度是正还是反。 第九，同理跑其他的实验。 下一篇文章会从代码解析这些实验都干了些啥。 |