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 ...
最新文章
- php函数默认参数不传值报错,php 关于函数参数的默认值
- 博客作业03--栈和队列
- php pcntl扩展下载,linux下如何安装PHP pcntl 扩展
- JavaFX官方教程(十四)之转换,动画和视觉效果教程的源代码
- 引入ui组件_Vuejs, Semantic CSS前端框架fish-ui
- Win8 Metro(C#)数字图像处理--2.40二值图像轮廓提取算法
- 点阵字体显示系列补记:将字库文件转换成数组形式
- 【registry】registry 0.9 源码 在 windows下运行
- golang []byte和string相互转换
- 2018杭电多校第二场1006(容斥原理,组合数学)
- 机器学习实战(九)K-means(K-均值)
- Android 开发中常见的Eclipse排版设置
- 前端开发面试题-JavaScript(二)
- Linux环境Hadoop环境搭建
- CTF杂项(一)——编码学基础
- 利用局域网,传输文件
- Outlook和Foxmail里设置Gmail(Google)谷歌企业邮箱
- 如何高效做问卷调查?
- 用c语言实现窗口化,c怎么窗口化只能开挂吗
- zend抽象语法树AST流程解析
热门文章
- 链表——实现单链表的反转
- 如何为Myeclipse手工添加dtd支持
- NetBeans IDE 6.10 M1 发布
- CG-CTF-Web-bypass again
- 微信小程序 推送模板教程 附源码
- (十一)开发环境【不会这些,你就会被认定是菜鸟小白,没做过项目】
- Vue watch如何同时监听多个属性?
- php 数据显示,数据显示处理,该怎么处理
- python调用库实现返回ping的时延_python网络作业:使用python的socket库实现ICMP协议的ping...
- /opt/hbase/conf 中不能启动hbase_Hbase从入门到入坑