2017上海云栖TechDay-15分钟在云上玩转TensorFlow

xiaoxiao2023-08-08 151

通过阿里云容器服务深度学习解决方案开发TensorFlow应用

目标

熟悉阿里云容器服务深度学习解决方案的基本功能练习利用深度学习解决方案创建一个TensorFlow开发环境，运行一个MNIST程序，并且利用Tensorboard的可视化功能观测训练效果

基本介绍请安装chrome浏览器

请携带个人笔记本

1. 登录子账号控制台

2. 创建容器集群

为了方便使用，我们已经帮用户创建了一个集群。点击左上角“产品与服务”，找到R下面的“容器服务”，查看集群是否处于运行状态，点击左侧导航栏中的“集群”，查看集群是否处于运行状态。

3. 创建模型开发环境

点击左侧导航栏中“镜像与方案”->“解决方案”，找到模型开发，点击创建

3.1. 设置模型开发环境的配置

选择集群：默认即可填写应用名称：tensorflow 选择训练框架： TensorFlow的1.1.0版本 GPU数量：0 数据卷名：不使用数据卷 Jupyter密码： tensorflow 勾选训练监控，保留默认训练日志路径：/output/training_logs

点击确定

3.2. 创建成功后，就自动跳转到应用列表页面，就可以看到刚刚创建的应用tensorflow,点击刷新按钮,直到状态变成就绪

3.3. 这时就可以点击应用名称tensorflow进入应用详情，选择路由列表, 就可以看到两个链接，分别是以jupyter和tensorboard为开头的链接

4. 下载TensorFlow示例代码

4.1. 单击Jupyter开头的链接，并且输入 Jupyter 的密码: tensorflow，就能进入 Jupyter 环境, 创建Terminal

4.2. 从阿里云code下载TensorFlow-Examples, 在Linux Terminal

4.2.1. 执行 bash

4.2.2. 执行 git clone https://code.aliyun.com/kubernetes/Tensorflow-Examples.git

5. 运行示例代码并且查看Tensorboard

5.1. 回到Jupyter的主页面，就可以看到下载的TensorFlow-Examples, 跳到TensorFlow-Examples/notebooks/4_Utils,打开tensorboard_basic.ipynb

5.2. 这样，就可以在Jupyter中开发和运行MNIST代码, 需要把TensorFlow的训练日志路径，设置成前面3.1中指定的训练日志路径，对于本实验来说是/output/training_logs，点击Run All

5.3. 使用Tensorboard查看训练结果

5.3.1. 再次访问3.3中应用的路由列表，点击其中tensorboard为开头的链接，这样就跳到了Tensorboard的SCALARS页面,可以看到Loss和Accuracy

5.3.2. 通过IMAGE页面查看输入数据是否正确

5.3.3. 通过GRAPHS页面查看模型结构

创建配有Tensorboard的MxNet开发环境, 可以运行一下understanding_vanish_gradient.ipynb