GPU云服务器+tensorboard

流程如下:

python test.py（完整代码在附录，数据集会由代码自动下载，不用担心）

运行后会自动生成model文件夹

#--------------------------------------------------

tensorboard --logdir=./model

得到:

http://ubuntu19:6007/

#--------------------------------------------------

内网穿透来模仿云端服务器的环境:

./ngrok http 6007

这里的端口要与tensorboard给的端口一致。

#--------------------------------------------------

浏览器打开

http://5ec1c84d.ngrok.io/(这个链接来自上方ngrok给的链接)

即可.

最后结果如下:

#--------------------------------------------------------------------------------------------------

补充说下像深脑链的GPU服务器是不行的，因为它除了提供连接用的端口以外，

没有其他端口供tensorboard显示使用，因此是无法在浏览器远程访问tensorboard的。

#---------------------------------------------------------附录---------------------------------------------------------------------------------------

test.py


import numpy as npfrom keras.models import Sequential  # 采用贯序模型
from keras.layers import Input, Dense, Dropout, Activation,Conv2D,MaxPool2D,Flatten
from keras.optimizers import SGD
from keras.datasets import mnist
from keras.utils import to_categorical
from keras.callbacks import TensorBoarddef create_model():model = Sequential()model.add(Conv2D(32, (5,5), activation='relu', input_shape=[28, 28, 1])) #第一卷积层model.add(Conv2D(64, (5,5), activation='relu'))                          #第二卷积层model.add(MaxPool2D(pool_size=(2,2)))                                    #池化层model.add(Flatten())                                                     #平铺层model.add(Dropout(0.5))model.add(Dense(128, activation='relu'))model.add(Dropout(0.5))model.add(Dense(10, activation='softmax'))return modeldef compile_model(model):#sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True) # 优化函数，设定学习率（lr）等参数 model.compile(loss='categorical_crossentropy', optimizer="adam",metrics=['acc']) return modeldef train_model(model,x_train,y_train,batch_size=128,epochs=10):#构造一个tensorboard类的对象#tbCallBack = TensorBoard(log_dir="./model", histogram_freq=1, write_graph=True, write_images=True,update_freq="epoch")tbCallBack = TensorBoard(log_dir="./model", histogram_freq=1,write_grads=True)history=model.fit(x_train, y_train, batch_size=batch_size, epochs=epochs, shuffle=True, verbose=2, validation_split=0.2,callbacks=[tbCallBack])return history,modelif __name__=="__main__":(x_train,y_train),(x_test,y_test) = mnist.load_data()  #mnist的数据我自己已经下载好了的print(np.shape(x_train),np.shape(y_train),np.shape(x_test),np.shape(y_test))x_train=np.expand_dims(x_train,axis=3)x_test=np.expand_dims(x_test,axis=3)y_train=to_categorical(y_train,num_classes=10)y_test=to_categorical(y_test,num_classes=10)print(np.shape(x_train),np.shape(y_train),np.shape(x_test),np.shape(y_test))model=create_model()model=compile_model(model)history,model=train_model(model,x_train,y_train)

符号意义列表

注意事项:

出现显存占满、而GPU利用率为0的情况，经查阅官方文档得知“在GPU上，tf.Variable操作只支持实数型（float16 float32 double）的参数。不支持整数型参数”

通过allow_soft_placement参数自动将无法把GPU上的操作放回CPU上

GPU云服务器+tensorboard相关推荐

4月11日云栖精选夜读 | 阿里云异构计算发布：轻量级GPU云服务器实例VGN5i
[点击订阅云栖夜读周刊] 阿里云发布了国内首个公共云上的轻量级GPU异构计算产品--VGN5i实例,该实例打破了传统直通模式的局限,可以提供比单颗物理GPU更细粒度的服务,从而让客户以更低成本.更高弹 ...
gpu云服务器运行游戏_在滴滴云 GPU 服务器上使用NVIDIA NGX环境搭建
1.NGX 简介 NVIDIA NGX是一个新的深度学习技术,将基于AI的加速和增强图像.视频处理的功能直接集成到应用程序中.NVIDIA NGX利用Tensor Core最大限度地提高其运行效率,因 ...
gpu云服务器运行游戏_GPU云服务器可以挂载大型游戏吗？
随着科技的发展,云服务器和网络游戏都是互联网发展的产物.现在随着网络的广泛发展和使用,云服务器和游戏都是现在比较火热的行业,云服务器基于云计算技术的发展,用于存放网站数据,在现在的生产工作中占据重要地 ...
可申请试用！GN4系列GPU云服务器重磅来袭
超高性价比的算力资源来了! 百度智能云全新推出基于 A10 打造的 GN4 系列 GPU 云服务器以及 vGPU 云服务器产品弹性灵活.更具性能优势从"图像渲染"到" ...
GPU云服务器是什么？谷歌宣布将要推出GPU云服务器
GPU云服务器是什么?其实GPU跟CPU差不多,只是性能强太多,用于云计算分布式计算平行计算.谷歌步云竞争对手后尘将推出服务器加GPU(Servers-plus-GPU),即宣布"谷歌云平台 ...
GPU云服务器深度学习性能模型初探
摘要: 本文根据实测数据,初步探讨了在弹性GPU云服务器上深度学习的性能模型,可帮助科学选择GPU实例的规格. 1 背景得益于GPU强大的计算能力,深度学习近年来在图像处理.语音识别.自然语言处理等 ...
【产品活动】阿里云GPU云服务器年付5折！阿里云异构计算助推行业发展！
摘要: 阿里云GPU云服务器全力支持AI生态发展,进一步普惠开发者红利,本周将会推出针对异构计算GPU实例GN5年付5折的优惠活动,希望能够打造良好的AI生态环境,帮助更多的人工智能企业以及项目顺利上 ...
gpu云服务器运行游戏_滴滴云不甘寂寞，国内首发一款GPU云服务器
北京时间9月1日,滴滴云发布基于NVIDIA Tesla A100 GPU的云服务器产品,据悉滴滴云是该型GPU云服务器产品的国内首发云厂商. 滴滴云基于A100 GPU的产品包括裸金属服务器(BMS ...
为什么选择 GPU 云服务器
首先,GPU 云服务器(GPU Cloud Computing)是基于 GPU 的快速.稳定.弹性的计算服务,主要应用于深度学习训练/推理.图形图像处理以及科学计算等场景. GPU 云服务器提供和标准 ...

GPU云服务器+tensorboard

GPU云服务器+tensorboard相关推荐

最新文章

热门文章