【机器学习神器之二】深度学习新手平台Floyd

想必每个学习深度学习的小伙伴，特别是新手小白，总要为找到以及调试一个适合的gpu云主机煞费苦心。不知道大家有没有经历过，用自己的显卡计算时，每出一个结果，就能听到显卡”兹”的一声，仿佛在向我哀嚎。就在这时候，floydhub闯进了我的世界，是他，是他，就是他！

为什么我如此兴奋？因为这正是我这种懒人喜欢的东西。没错！不用配置环境，不用选区域，不用选系统，不用选套餐，不用申请优惠码，不用绑信用卡，通通不用！

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。

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：

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

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

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：

进入到你的项目目录，初始化你的项目：

$ floyd init myrnnproj

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

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：

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：

下面是floydhub的贴心特点，我分条说一下：

• 所有实例运行过的文件以及output都会储存在一个有唯一id的目录下，可通过floyd output id访问，下载。
• 可以将之前项目的output用作新项目的input。什么意思呢？举个例子就是可以直接访问之前已经关闭的项目里的checkpoint，加载到当前项目。只要在run命令时加上 –data id，就可以通过／input／路径访问啦。
• 按秒收费，用完就关，下次来加载之前的数据就行，再也不用为了省钱每次配置环境，处理数据啦。
• 所有常用命令都是–格式加在run后面，小白最爱
• 可使用已关闭的实例的数据

目前唯一发现的问题时，感觉计算速度跟我的显卡差不多，不算太快。但由于没有用过其他云服务，不知道是否是显卡性能有明显差距。Whatever，我又可以在mac上开心的敲代码啦！而且，用户体验对一个学习者来说，简直完美。

∞∞∞∞∞