1. 程式人生 > >tensorflow在各種環境下搭建與對比

tensorflow在各種環境下搭建與對比

ont 筆記 適合 神經網絡 otto 初學 相關 right pychar

tensorflow在各種環境下搭建與對比

由於有些訓練是要長時間進行訓練(幾天),才能看出顯著的結果,如果只是通過本地的計算機進行訓練是不可能的。因此這周花了一些時間調研如何才能讓神經網絡長時間的進行運行,為以後訓練網絡提供可靠的運行環境。

Tensorflow部署的地方

優點

缺點

本地筆記本CPU版本的tensorflow

(1)安裝相對本地的GPU版本的tensorflow容易

(2)方便通過本地的IDE比如PyCharm進行代碼的調試

(1)相對本地GPU版本的tensorflow運行較慢

(2)無法長時間的進行訓練,比如幾天到一周,甚至半個月

本地GPU筆記本版本的tensorflow

  1. 相對本地GPU版本的tensorflow運行較快
  2. 方便通過本地的IDE進行代碼調試與跟蹤
  1. 安裝較困難,容易出錯
  2. 需要英偉達的顯卡,並且需要有較好的性能

谷歌的Colab雲環境

  1. 免費,已經幫你裝好了tensorflow相關的所有環境,適合初學者

(1)不能長時間的運行,由於是免費的,硬件的性能不是很好,經過測試,和本地的CPU版本的tensorflow運行差不多速度,並且容易掉線

阿裏雲CPU服務器

  1. 租比較低端的服務器,價格比較便宜,學生只要10/月
  2. 可以長時間運行,只要不關機就會一直運行,
  3. 經測試運行速度和本地的GPU版本速度差不多
  1. 顯卡版的服務器普遍比較貴
  2. 沒有幫你裝好tensorflow的運行環境,需要你自己轉一整套的環境

Floyd雲端GPU環境

  1. 幫你裝好了雲端的運行環境,專門為深度學習訓練提供到的雲端服務器
  2. 有多種顯卡可供選擇

(3)價格相對較貴,如果是GPU版本訓練的話需要10元/小時

由於對比以及試驗了各種方法。因此如果是前期的話,先在自己的筆記本上面先用小批量的數據調試自己構造的網絡,當調試好了之後可以通過git上傳到阿裏雲服務器中進行長時間的訓練(幾天)看訓練結果,並將訓練好的參數進行保存,再傳回自己的筆記本看生成結果。如果時間比較趕需要快速地得到結果可以使用Floyd雲端GPU環境進行訓練。

tensorflow在各種環境下搭建與對比