使用Floyd进行GPU深度学习训练

如果你曾经做过做过深度学习的模型，并试图将他在本机上训练一下，因为你觉得你的笔记本性能还可以，于是你开始train你的模型，首先你看到loss下降很慢，每个batch需要花费8.4秒左右的样子：

然后你的CPU开始狂转，风扇全功率运行，风声大作，坚持了几分钟实在受不了了，你果断的关闭了进程，不仅仅是速度比较慢，你可能也和我一样，真怕电脑给烧掉了，然后，整个世界，清静了：）

其实深度学习最好，最经济的训练方式就是在云端，找个GPU的机器，安装搭建环境进行训练，这也是我之前做项目和使用的方式，但对于深度学习的研究者，开发者来说，不太希望花费太多的时间在驱动安装，环境配置，包依赖处理这些琐碎的方面，如果有一两条命令就可以在云端开始训练，那就可以将大部分精力放在模型本身的调整上。

最近尝试了一下FloydHub，这是一个由Heroku提供的Deep Learning的PAAS平台，可以让你使用简单的命令就在本机提交训练任务，支持Caffe，Tensoflow，Torch等等，CNTK支持还在开发中，可以让你提交Jupyter，也可以直接提交python脚本，主页和介绍如下：

https://www.floydhub.com/

对于新用户，有免费的2个小时的GPU训练时间，当然后续你可以购买其他计划。下面的部分给大家快速介绍与喜爱如何使用Floyd进行深度学习训练。

1. 第一步当然是注册了，需要的信息非常简单，输入完成后点击"Sign up"，然后进入主界面，需要你验证一下你的邮箱，验证完成后后就可以得到你的token：

1. 然后需要在你的本机，或者开发及安装Floyd命令行工具，该工具依赖于Python，假定你已经安装好了Python，推荐使用Anconda分发版，在本机安装floyd-cli，使用pip命令安装即可：

   $ pip install -U floyd-cli

   

    

2. 使用命令行登陆Floyd，他会直接跳转到FloydHub的登录页面，让你登陆，其实就是获取CLI的认证token，拷贝token，并粘贴到命令行，完成登陆认证：

   $ floyd login

   

    

   

    

3. 进入到FloydHub的页面，在你开始训练你的项目之前，你首先需要创建一个项目，我在次创建的项目是RNN的项目myrnnproj：

   

4. 进入到你的项目目录，初始化你的项目：

$ floyd init myrnnproj

 

1. 在项目初始化完毕的时候，那么我们就可以在远端的平台上train这个项目了，floyd支持多个不同的深度学习框架，多个版本，另外也支持CPU和GPU，在本例中我使用Tensorflow，而且最新版本1.3训练，指定参数如下并运行：

    

$floyd run --mode jupyter --gpu --env tensorflow-1.3

 

可以看到Floyd会自动上传你本地的Jupyter代码，自动初始化环境，然后分配给你一个URL，你就可以访问你的notebook了，需要注意的是，从这个时候开始，只要你的notebook开着，Floyd就会计费，你也可以到web页面上查看当前运行的job和job

1. 按照Floyd提供的URL，打开我的Jupyter notebook，运行我的training，每个batch大约只需要0.3秒，比我本机快将近30倍：

 

8 . 从整个过程来看，使用Floyd进行深度学习训练不需要自己准备和搭建环境，还是非常方便的，而且也提供了很多例子，共初学者快速的上手，比如下面这个风格迁移的例子，大家可以自己尝试：