常见问题
装机教程
- win10系统重装Windows笔记本电脑是不是重装系统?超详尽讲义!MW无须Villamblard!
- 还原系统好不好推论工控机与否须要再次装系统呢?
- 移动硬盘安装系统昆钢公司安全可靠消防队综合性检查和第二检查和组到轻装集团检查和考核
- 重装系统几万元笔记本电脑再次装系统的详尽讲义
- win10系统重装穿皮衣是曼联队人?这真并非C叶炜球季离队的理据
- 黑鲨全屏重装控制系统金狮enabled控制系统加装讲义
- Fixedsys重装系统装系统马尔松,方便快捷的笔记本电脑系统重装手册
- 白菜u盘装系统讲义讲义五分钟教你重装系统
- U盘系统制做创作者为何什罗克装系统?重装系统有甚么方便快捷的配套措施
- 控制系统重装应用软件全屏重装控制系统EP41,笔记本电脑加装EP41控制系统讲义
常见问题
- Win10重装系统后很卡怎么办?Win10重装系统后很卡的解决方法(win10重装系统后卡顿严重)燃爆了,
- 电脑系统重装,一单10-30(重装电脑系统大概要多少钱)全程干货,
- Win10系统突然无法联网了怎么解决?(win10突然连不到wifi)万万没想到,
- Mac系统重装指南(不抹盘)|2023版保姆级(苹果mac重新装系统)全程干货,
- 耗时5小时!超详系统重装教程(怎样系统重装)怎么可以错过,
- 系统重装,也可以这么简单,Windows 10为例。(window系统重装教程)墙裂推荐,
- 一键重装系统失败进不了系统如何解决(一键重装系统无法开机)居然可以这样,
- 小白一键重装系统安装失败如何解决(小白一键重装后无法启动电脑)一看就会,
- 兰石重装申请“一种 POX 工艺中生产过热蒸汽的系统和方法”专利,解决现有技术中生产过热蒸汽温度不稳定或无法产生过热蒸汽的问题(兰石重装最新消息公告)硬核推荐,
- 调查:你玩游戏时,更喜欢使用哪款桌面系统?7707亿!耶伦措手不及,美国也没想到,中国金融反击来得如此之快(玩游戏用什么桌子)速看,
一万元搭建深度学习系统:硬件、软件安装教程,以及性能测试(一万多元)怎么可以错过,
核心提示: 还是自己动手划算,以及CPU是真的比不上GPU……...
译者:Slav Ivanov@blog.slavv.com
问耕 校对再次整理
物理位 公司出品 | 社会公众号 QbitAIMacbook这种超薄的笔记本电脑,是搞没法广度自学的。AmazonP2云服务项目,会给沉积愈来愈多的帐单,换个昂贵的服务项目,体能训练时间又太短……
没配套措施,已经二十多年喷过笔记本电脑电脑的我,根本无法再次著手DIYMW,构筑两套自己的广度自学控制系统。下列是我的控制系统构筑和试验过程。
硬体目录
以后,我在AWSAmazon云服务项目上的耗费制作u盘启动盘是每星期70英镑(约480元港币)。按照使用一年排序,我给这套控制系统的亿零是1700英镑(约11650元)。
GPU
的确得买Nvidia,没有其他优先选择。买四块却是几块?我想了想,却是先拍一个操控性更快的,之后有钱有势了再增加。综合性显卡、频宽等因素,我最后选了GTX 1080 Ti,跟Titan X较之,操控性差没法啥,但价格昂贵不少。
CPU
虽然远不如GPU,但CPU也很重要。从财政预算起程,我选了两颗中低端产品制作u盘启动盘AMDi5 7500。相对昂贵,但不会减慢整座控制系统。
缓存
四条16GB耗电量的缓存,一共是32GB。
硬碟
四块。
几块SSD硬碟运转操作控制系统和现阶段统计数据,我选的是MyDigitalSSD NVMe 480GB。几块速率较快的2TB耗电量HDD硬碟储存大的统计数据集(比如ImageNet)。
SSD
为了之后的开拓,我得选能支持四块GTX 1080 Ti的SSD。最后的优先选择是:微星TUF Z270。
电源
得为GPU何GPU们制作u盘启动盘提供足够的电力供应。AMDi5 7500功耗是65W,几块1080Ti需要250W(之后还想加几块),所以最后优先选择了Deepcool 750W Gold PSU。
机箱
我听从朋友的建议,选了Thermaltake N23机箱。只是没有LED灯,伤心。
组装
组装过程按下不表,MW也是个手艺,最后效果如下图所示。
加装应用软件
提示:如果你想装Windows控制系统,最好先加装Windows,再装Linux。要不然W制作u盘启动盘indows会搞乱启动分区。
加装Ubuntu
大部分广度自学框架都工作在Linux环境中,所以我优先选择加装Ubuntu。一个2GB耗电量的U盘就能搞定加装,如何制作?
OSX用户参考这里:
https://www.ubuntu.com/download/desktop/create-a-usb-stick-on-macos
Windows用户参考这里:
我写这个讲义的制作u盘启动盘时候,Ubuntu 17.04版本刚刚发布,但是我优先选择了以后的16.04版本,因为老版本的相关文档可能更全一点。另外,我优先选择的是Ubuntu桌面版本,不过关闭了图形界面X,电脑启动会进入终端模式。
如果需要图形界面,只需要输入:startx
及时更新
更新可以使用下面这个命令
广度自学堆栈
为了展开广度自学,我们需要如下应用软件来使用GPU:
GPU驱动:让操作控制系统和显卡可以对话
CUDA:能让GPU运转通用目的代制作u盘启动盘码
CuDNN:CUDA之上的神经网络加速库
广度自学框架:TensorFlow等
加装GPU驱动
最新的驱动,可以参考官网
http://nvidia.com/Download/index.aspx
加装CUDA
可以从Nvidia下载CUDA,地址如下:
https://developer.nvidia.com/cuda-downloads
或者直接运转如下的代码:
加装好CUDA之后,制作u盘启动盘下面的代码能把CUDA添加到PATH变量:
现在可以检验一下CUDA装好没有,运转如下代码即可:
删除CUDA或GPU驱动,可以参考如下代码:
加装CuDNN
我用的是CuDNN 5.1,因为最新的TensorFlow不支持CuDNN 6。下载CuDNN,你需要创建一个免费的开发者账号。下载之后,用如下命令加装。
Anaconda
Anaconda是一个很棒的Python应用软件包管理器,我现在使用了Python制作u盘启动盘 3.6版本,所以对应的使用Anaconda 3版本,加装如下:
TensorFlow
最流行的广度自学框架,加装:
为了检查一下TensorFlow加装好没有,可以运转MNIST看看:
应该能在体能训练过程中,看到loss的逐渐减少:
Keras
一个高级神经网络框架,加装非常简单:
PyTorch
广度自学框架届的新兵,但也值得推荐,加装命令:
Jupyter notebook
Jupyter是一个交互式的笔记本电脑,随制作u盘启动盘着Anaconda加装,我们要配置和试验一下:
现在打开 http://localhost:8888 ,应该就能看到Jupyter的界面。
我们可以把Jupyter设置成自动启动,使用crontab来设置。运转crontab -e,然后把如下代码添加在最后。
试验
现在基本上准备妥当了,是时候试验一下了。参加此次对比的几个选手是:
AWS P2实例GPU(K80)
AWS P2虚拟CPU
英伟达GTX 1080 T制作u盘启动盘i
AMDi5 7500
MNIST多层感知器
MNIST统计数据集由70000手写数字组成。我们在这个统计数据集上运转了一个使用多层感知器(MLP)的Keras案例,代码地址:
https://github.com/fchollet/keras/blob/master/examples/mnist_mlp.py
MLP的意思是只使用全连接的层,而不用卷积。这个模型在这个统计数据集上进行了20次体能训练,实现了超过98%的制作u盘启动盘准确率。
可以看到在体能训练这个模型时,GTX 1080 Ti比AWS P2 K80快2.4倍,这有点惊人,因为两个显卡的操控性应该差不多,我觉得可能是AWS上有降频或者受到虚拟化的影响。
CPU的表现比GPU慢9倍。有趣的是,i5 7500比Amazon的虚拟CPU快2.3倍。
VGG微调
为Kaggle猫狗识别竞赛而微调一个VGG网络。使用相同的batch在CPU上运转这个模型不可行,所以我们在GPU上微调了39制作u盘启动盘0个batch,在CPU上是10个batch。代码如下:
https://github.com/slavivanov/cats_dogs_kaggle
这次1080 Ti比AWS P2 K80快5.5倍。CPU在这个环节的表现,最多慢了200倍。
Wasserstein GAN
生成对抗网络(GAN)用来体能训练模型产生图像。Wasserstein GAN是原始GAN的一个改进版。我这里用了一个PyTorch制作u盘启动盘实现,代码地址:
https://github.com/martinarjovsky/WassersteinGAN
这个模型需要50步体能训练,CPU在这个体能训练中不予考虑。
GTX 1080 Ti比AWS P2 K80快5.5倍。
风格迁移
最后一个试验是在TensorFlow上的风格迁移实现,代码地址:
https://github.com/slavivanov/Style-Tranfer
GTX 1080 Ti制作u盘启动盘比AWS P2 K80快4.3倍。CPU比GPU慢30-50倍。
好啦,关于万元打造一个广度自学控制系统的分享,就先到这里。
各位端午节快乐。
【完】
招聘
我们正在招募编辑记者、运营等岗位,工作地点在北京中关村,期待你的到来,一起体验人工智能的风起云涌。
相关细节,请在社会公众号对话界面,回复:“招聘”两个字。
One More Thing…
今天AI界还有哪些事值得关注?在物理位(QbitAI)社会公众号会话界面回复“今制作u盘启动盘天”,看我们全网搜罗的AI行业和研究动态。笔芯~
另外,欢迎加物理位小助手的微信:qbitbot,如果你研究或者从事AI领域,小助手会把你带入物理位的交流群里。
△ 扫码强行关注『物理位』
追踪人工智能领域最劲内容