5篇文教您上手TensorFlow的机器学习方案

redkoala 发布于11月前 阅读414次
0 条评论

 

 

5篇文教您上手TensorFlow的机器学习方案

本系列将利用Docker和阿里云容器服务,帮助您上手TensorFlow的机器学习方案

1. 第一篇 打造TensorFlow的实验环境 - 本文

利用Docker和阿里云容器服务轻松在本地和云端搭建Tensorflow的学习环境

2. 第二篇 轻松搭建TensorFlow Serving集群

本文是系列中的第二篇文章,将带您快速了解Tensorflow Serving的原理和使用,并利用阿里云容器服务轻松在云端搭建TensorFlow Serving集群。

3. 第三篇 打通TensorFlow持续训练链路

利用阿里云容器服务打通TensorFlow持续训练链路

4. 第四篇 利用Neural Style的TensorFlow实现,像梵高一样作画

利用阿里云HPC和容器服务,轻松创造梵高风格的图片

5. 第五篇 轻松搭建分布式TensorFlow训练集群(上)

本文是该系列中的第五篇文章, 将为您介绍如何在本机以及HPC和阿里云容器服务上快速部署和使用分布式TensorFlow训练集群。

------------------------------------------------------------------------------------

机器学习作为人工智能重要的技术,已经在计算机视觉、自然语言处理、医学诊断等等领域得到了广泛的应用。TensorFlow 是谷歌推出的开源的分布式机器学习框架,它也是Github社区上最受关注的机器学习项目,目前点赞已经超过3万个星。

TensorFlow提供了多种安装方式,配置也相对简单,但是对于初学者而言,从零开始搭建一个TensorFlow学习环境依然具有一些挑战。幸运的是TensorFlow提供了 基于Docker的部署方式 ,开发者可以快速上手。

本文是系列中的第一篇文章,会基于Docker快速创建一个Tensorflow学习环境。

准备Docker环境

为了利用Docker和Docker Compose编排搭建实验环境,我们需要安装 Docker for Mac/Windows 或在Linux上安装 Docker 和Docker Compose。可以使用阿里云提供 Docker Engine Docker Toolbox 的镜像网站。

本地环境搭建

在GitHub上有很多Tensorflow的学习资料, 其中 https:// github.com/aymericdamie n/TensorFlow-Examples 是一个很好的教程。在文中提供了由浅入深的示例来介绍Tensorflow的功能。

首先执行如下命令获得教程代码 (包含对Tensorflow 1.0 的支持)

 

5篇文教您上手TensorFlow的机器学习方案

 

为了运行这个教程你需要安装Tensorflow的执行环境,并配置"jupyter", "tensorboard"来进行交互操作。

一个最简单的方法是在当前目录,创建如下的docker-compose.yml模板

 

5篇文教您上手TensorFlow的机器学习方案

 

执行如下命令一键创建Tensorflow的学习环境

 

5篇文教您上手TensorFlow的机器学习方案

 

我们可以检查启动的Docker容器

 

5篇文教您上手TensorFlow的机器学习方案

 

可以直接通过 http:// 127.0.0.1:8888/ 从浏览器中访问Tensorflow的Jupyter交互实验环境

登录密码为: tensorflow

 

 

5篇文教您上手TensorFlow的机器学习方案

通过 http://127.0.0.1:6006 从浏览器中访问模型可视化工具TensorBoard

注:可以运行 http://127.0.0.1:8888/notebooks/4_Utils/tensorboard_basic.ipynb 来实验Tensorboard的功能,示例中Tensorboard容器配置的log目录是 “/tmp/tensorflow_logs”。对于用户自己的notebook,可以参照tensorboard_basic在代码中设置log的输出路径。

 

5篇文教您上手TensorFlow的机器学习方案

注:

阿里云容器服务上体验

阿里云容器服务支持Docker Compose模板部署,通过下面模板我们可以轻松把Tensorflow的学习环境部署到云端

 

5篇文教您上手TensorFlow的机器学习方案

注:

  • 利用aliyun.routing标签,我们可以轻松定义Jupyter和TensorBoard的访问访问端点
  • 如果是老集群,需要点击容器服务agent升级来提供所需特性和稳定性增强。

几分钟之后,我们就可以在云端有一个学习环境来体验Tensorflow。

 

 

5篇文教您上手TensorFlow的机器学习方案

 

5篇文教您上手TensorFlow的机器学习方案

 

 

5篇文教您上手TensorFlow的机器学习方案

 

5篇文教您上手TensorFlow的机器学习方案

总结

我们可以利用Docker和阿里云容器服务轻松在本地和云端搭建Tensorflow的学习环境。Docker作为一个标准化的软件交付手段,可以大大简化应用软件的部署和运维复杂度。阿里云容器服务支持以Docker Compose的方式进行容器编排,并提供了众多扩展,可以方便地支持基于容器的微服务应用的云端部署和管理。

阿里云容器服务还会和高性能计算(HPC)团队一起配合,之后在阿里云上提供结合GPU加速和Docker集群管理的机器学习解决方案,在云端提升机器学习的效能。

想了解更多容器服务内容,请访问 容器服务 Container Service

更多技术干货敬请关注云栖社区知乎机构号: 阿里云云栖社区 - 知乎

查看原文: 5篇文教您上手TensorFlow的机器学习方案

  • ticklishfish
  • purplesnake
  • orangedog
  • orangeostrich
  • smallkoala
  • ticklishbird
  • tinypanda
  • bigpanda
需要 登录 后回复方可回复, 如果你还没有账号你可以 注册 一个帐号。