使用GOOGLE COLAB训练深度学习模型
2018-01-27 17:56
531 查看
使用
谷歌提供了免费的K80的GPU用于训练深度学习的模型。而且最赞的是以notebook的形式提供,完全可以做到开箱即用。你可以从Google driver处打开。或者这里
默认创建的是没有GPU的,我们需要修改,点击“代码执行程序”
![](https://images2017.cnblogs.com/blog/561813/201801/561813-20180130214659906-976003785.png)
![](https://images2017.cnblogs.com/blog/561813/201801/561813-20180130214700109-1904563660.png)
然后就会有GPU使用了
挂在Google云盘
执行如下代码
然后按照提示进行验证
然后挂载云盘
运行代码
下载数据文件
关于此工具的faq
更多的介绍看这里
来自为知笔记(Wiz)
谷歌提供了免费的K80的GPU用于训练深度学习的模型。而且最赞的是以notebook的形式提供,完全可以做到开箱即用。你可以从Google driver处打开。或者这里
默认创建的是没有GPU的,我们需要修改,点击“代码执行程序”
![](https://images2017.cnblogs.com/blog/561813/201801/561813-20180130214659906-976003785.png)
![](https://images2017.cnblogs.com/blog/561813/201801/561813-20180130214700109-1904563660.png)
然后就会有GPU使用了
挂在Google云盘
执行如下代码
!apt-get install -y -qq software-properties-common python-software-properties module-init-tools !add-apt-repository -y ppa:alessandro-strada/ppa 2>&1 > /dev/null !apt-get update -qq 2>&1 > /dev/null !apt-get -y install -qq google-drive-ocamlfuse fuse from google.colab import auth auth.authenticate_user() from oauth2client.client import GoogleCredentials creds = GoogleCredentials.get_application_default() import getpass !google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret} < /dev/null 2>&1 | grep URL vcode = getpass.getpass() !echo {vcode} | google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret}
然后按照提示进行验证
然后挂载云盘
!mkdir -p drive !google-drive-ocamlfuse drive
运行代码
!python3 drive/colab/xxx.py
下载数据文件
!wget https:xxxxxxx.csv -P drive/colab
关于此工具的faq
更多的介绍看这里
来自为知笔记(Wiz)
相关文章推荐
- 在深度学习模型训练过程中,动态实时监控GPU使用情况
- 深度学习(十四):详解Matconvnet使用imagenet模型训练自己的数据集
- DL学习笔记【15】使用训练好的模型得到分类结果
- keras:一台设备上同时使用多张显卡训练同一个网络模型
- Tensorflow实现cnn模型的训练与使用
- mxnet 使用自己的图片数据训练CNN模型
- 使用DPM训练自己的模型
- Kaldi中如何使用已经训练好的模型进行语音识别ASR呢?
- [置顶] Object Detection with Discriminatively Trained Part Based Models(使用判别训练的部件模型进行目标检测 )
- tensorflow如何使用训练好的模型做测试
- 使用DPM(Deformable Part Model,voc-release3.1)算法INRIA通过训练你的身体检测模型数据集
- 用CNTK搞深度学习 (二) 训练基于RNN的自然语言模型 ( language model )
- TensorFlow使用object detection训练自己的模型用于物体识别
- tensorflow中mnist 使用cnn模型训练的输出层数为7x7的原因
- 【caffe】c++中使用训练好的caffe模型,classification工程生成动态链接库——【caffe学习六】
- python中使用4次多项式回归模型在训练样本中进行拟合
- 有关Caffe训练好的模型在Python接口下使用分类不准确的问题解决
- openNLP的POSTagger使用(一)训练模型
- 使用MapReduce对svm模型进行训练
- 使用DPM训练自己的模型