AI應用開發實戰 - 從零開始搭建macOS開發環境
本視頻配套的視頻教程請訪問：https://www.bilibili.com/video/av24368929/
零、前提條件
- 一臺能聯網的電腦，使用macOS操作系統
- 請確保鼠標、鍵盤、顯示器都是好的
建議和反饋，請發送到
https://github.com/Microsoft/vs-tools-for-ai/issues
聯繫我們
[email protected]
一、工具介紹
Viusal Studio code
Visual Studio Code 是微軟繼Visual Studio 宇宙第一IDE後出品的又一利器，是一款完全免費的文本編輯器。
Visual Studio Code 支持Windows、Linux和Mac三大操作系統，有着一流的響應速度，不論是本身的啓動，還是加載目錄、打開瀏覽大文件的速度，都十分迅速；這款文本編輯器的可擴展能力也十分強大，在其活躍生態的支持下，提供了大量的插件供開發者自行配置，比如對各種小衆語言的支持、數據訪問、鍵盤佈局等等；另外，它在配置上非常靈活，但大多是基於json的文本配置，使用起來不向圖形界面那樣簡單易懂，但是熟悉後還是很方便的。
Tools for AI
Visual Studio Code 上的Tools for AI 是微軟官方出品的一站式機器學習集成開發環境，其與VS code相結合，能讓開發人員在同一個開發環境裏，完成從編輯、訓練、集成模型，到服務與應用的代碼開發。
Tools for AI 對訓練任務的調度和管理做了很好的集成。現在、後端的計算平臺支持本機、Linux服務器、微軟的企業級計算資源管理平臺、Azure的機器學習平臺、Batch AI等。
另外還能夠管理各種遠程的存儲，直接在界面中上傳數據、下載模型日誌等文件。
二、搭建開發環境
Visual Studio Code 安裝
訪問 https://code.visualstudio.com
點擊Download自動下載對應操作系統的Visual Studio Code
插件安裝
首先打開VS Code，點擊擴展圖標
首先安裝好Python插件
有插件自動更新或安裝後，就會提示重新加載，點擊重新加載後，VS Code就會重新啓動，並且加載相應的插件。
然後搜索Tools for AI，選擇第一個安裝。
這裏同樣也要點擊重新加載。
同樣，我們可以把中文包也安裝上，這樣就能顯示中文了。
安裝Git
訪問 https://git-scm.com/downloads
下載Mac適用的版本
下載機器學習示例庫
打開終端，找到一個自己想用來存放這些文件的文件夾，在終端中輸入
git clone https://github.com/Microsoft/samples-for-ai/這時Git開始自動克隆示例庫
安裝python
這一步大家安裝python3.5或3.6皆可，但更推薦大家安裝python3.6，同時請一定選擇64位的版本，否則很多機器學習框架都無法使用。
訪問 https://www.python.org/downloads/ 選擇適用於macOS的64位安裝包
note：在python安裝完成後，請在Application中找到python的安裝文件，運行Certificates install.commands，安裝常見的根證書，否則python腳本訪問任何https網站時都會出現證書錯誤，這也會影響我們接下來的安裝過程
安裝機器學習和機器學習的軟件及依賴
還是上一步的文件夾，進入installer目錄，輸入
python ./install.py
等待它安裝完成。
至此，環境搭建已經全部結束。
三、運行示例代碼
從這一步開始，我們要開始真正進行訓練了，如果你是第一次接觸機器學習，那麼你就可以訓練出自己的第一個模型了!
首先打開Visual Studio Code，選擇文件->打開打開samples的總目錄。
我們使用tensorflow和MNIST來作爲例子。
MNIST是一個流行的示例數據集，是人手寫的數字的圖片集。我們可以用它來訓練一個模型，讓計算機識別出人手寫的數字是什麼。
note：如果你的電腦安裝了多個版本的python，請點擊VS Code窗口下方的
Python環境，程序將列出本機找到的所有python環境，我們要將其切換到正確的環境上
本地調試及訓練
首先，點擊AI Explorer來新建或者修改本地環境配置。在Local - Environment下右鍵，點擊Add Configuration
設置好name，並將上一步選擇的python環境的路徑填寫進去
點擊右下角的Finish來刷新環境配置
note：一定要點擊Finish才能正確地刷新配置
在配置好本地環境後，還需要添加一個運行作業的配置，這裏選擇查看->命令面板，輸入AI: Edit Job Properties，然後回車。
note：如果你的電腦安裝了多個版本的python，請修改
startupCommand中的Python改爲Python3，然後點擊Finish，這樣可以確保在執行作業的時候使用python3運行程序
右鍵convolutional.py，選擇AI: Submit Job
選擇Local
選擇剛纔配置好的運行環境
可以看到屏幕下方有一個新的終端窗口，這時程序就已經開始對模型進行訓練了
遠程訓練
由於Mac沒有配置Nvidia的顯卡，因此只能使用CPU訓練模型，如果本機的性能不行，有的時候可能需要花費很長時間，這個時候，如果遠程的服務器，特別是有專門的計算資源加持的話，速度會快很多。另外，很多機器學習的框架支持並行計算，遠程訓練時還可以接入並行的資源，進一步提高訓練效率。
Tools for AI支持多種遠程訓練的平臺，包括Remote Machine、私有部署的PAI，以及Azure的Batch AI等，本系列博客以後會詳細介紹如何使用這些資源。本篇博客主教講解如何在遠程Linux上進行訓練。
首先在AI Explorer中，在Remote Linux上點擊鼠標右鍵，點擊Add Configuration，然後填入自己服務器的信息，最後點擊Finish完成設置
然後，同樣像上次一樣選擇AI: Submit Job，只是這次要選擇剛纔配置好的Remote Linux
在提交完作業後，如果想要查看運行情況，則需要在Remote Linux中選擇之前配置好的機器，點擊鼠標右鍵，選擇List Jobs，這時可以看到這臺機器上提交過的任務列表
點擊我們剛剛提交的那個，就可以列出這個任務的所有細節
同時可以通過點擊頁面上的Open Storage Explorer來查看該任務在遠程機器下的目錄。
如果需要查看遠程機器的其他目錄，則在機器上右鍵，選擇Open Storage Explorer，選擇Custom Directory，然後輸入你要訪問的目錄即可
至此，遠程模型訓練的部分就完場了。請接着看我們的其他AI 實戰開發系列 (https://blog.csdn.net/softwareteacher/article/category/7750355)。