請先閱讀如下兩篇文章:
- 白嫖百度GPU-TeslaV100筆記(在 AI Studio 上使用 tensorflow 和 pytorch 的方法)-親測可用
- 免費使用谷歌GPU
這裏谷歌是需要FQ的,考慮到大家能否出去的問題,所以選擇寫百度的文章,這裏默認你已經有了百度AI Studio的賬戶,如果沒有自行註冊。
1.登陸百度 AI Studio 並按照教程創建新項目
2.創建自己的數據集
這裏上傳需要以壓縮包的形式
3.啓動項目並進入控制檯
4.下載 Anaconda3/Miniconda3 安裝腳本
Miniconda3下載地址:https://repo.continuum.io/miniconda/
5.安裝在 ~/work/*conda3 目錄
這裏work目錄是用戶的工作目錄,重啓環境不會消失
把下載的文件上傳至aistuidio,終端裏進入目錄並安裝sh文件:bash Miniconda3-4.7.12.1-Linux-x86_64.sh
一直按enter或者yes直到:
將Miniconda裝在 ~/work/*conda3 目錄下,work目錄的話重啓是不會消失的:
一頓yes or y操作後Miniconda安裝成功:
6.輸入命令 source ~/work/*conda3/bin/activate 進入 conda 環境
輸入source ~/work/*conda3/bin/activate或者source activate進入conda環境
可以看到這只是初始的base環境,可以創建一個自己的環境,這裏需要掌握一點conda命令,下邊給出幾個可能用到的:
1.conda create -n env_name package_name
env_name是環境的名字,package_name一般來說就寫python=3.X就好,例如conda create -n tjw python=3.7
,然後就是再一頓yes or y來等待環境安裝成功
2.conda info -e
#顯示所有已經創建的環境
2.conda activate env_name
#切換環境
7.安裝自己的框架,這裏以pytorch爲例,選擇自己合適的版本
pytorch:https://pytorch.org/get-started/locally/
這裏說明一下,你可能會問,我下載個GPU版本的pytorch,是不是需要先安裝配置CUDA環境,其實並不需要,因爲你選擇GPU的環境進來後,CUDA是已經配置好的,所以可以直接安裝GPU版的pytorch,這裏要查看一下cuda的版本cat /usr/local/cuda/version.txt
等待安裝完成即可
8.現在簡單的環境有了,需要處理一下最開始配置的數據集,這裏需要用命令行解壓,需要一點Linux知識,不懂自行百度,下圖是參考
unzip mydata.zip -d mydatabak
把/home目錄下面的mydata.zip解壓到mydatabak目錄裏面
9.現在環境有了,數據集有了,剩下的就是上傳自己的項目代碼文件
這裏因爲很多人項目原先都是在Windows底下,轉移到Linux上以後,代碼一般是需要略加改動的,例如你的數據集地址要替換成現在Linux下的地址,其他的根據自己的代碼情況而定,然後項目中用到的其他庫,自行安裝
10.關於代碼怎麼搞比較好
這裏啊,最便捷的做法是打包整個代碼,然後上傳,然後解壓一下就直接好了
解壓完記得要改數據集的路徑啊,如果不熟悉Linux的vi或vim,也是可以直接在notebook裏編輯的
10.這裏我跑一下我的代碼做個截圖
最後說一下,這個用起來其實和自己本地的sublime是一模一樣的,唯一一點區別就是你可能要會用一點Linux解壓命令等,notebook裏邊是沒有解壓命令的,總的來說部署還是很簡單的,TensorFlow的話道理一樣,按這個思路一套走下來就好,再也不用爲找不到GPU發愁
另外在補充一點啊,儘量避開管理員權限的操作,因爲密碼不知道是多少,可以自行百度,這裏我還沒看,其他的配置什麼的都不錯,終端也可以多個很方便。