专栏首页毛利学Python服务器运行 jupyter notebook

服务器运行 jupyter notebook

今天教大家服务器运行 jupyter notebook

跑深度学习这个高大厦,又很沙雕的东西

买一台服务器装下逼

虚拟环境

不建议 win10

mkvirtualenv -p /usr/bin/python3.6 deeplearnworkon deeplearnpip install tensorflowpip install jupyter

然后

vim ~/.jupyter/jupyter_notebook_config.py

改下

c.NotebookApp.ip = '0.0.0.0'c.NotebookApp.open_browser = Falsec.NotebookApp.port = 8888c.NotebookApp.password = ''

然后关关防火墙,让 ssh 通下

root@VM-0-5-ubuntu:~# firewall-cmd --staterunningroot@VM-0-5-ubuntu:~# systemctl stop firewalld.serviceroot@VM-0-5-ubuntu:~# systemctl disable firewalld.serviceSynchronizing state of firewalld.service with SysV service script with /lib/systemd/systemd-sysv-install.Executing: /lib/systemd/systemd-sysv-install disable firewalldRemoved /etc/systemd/system/dbus-org.fedoraproject.FirewallD1.service.

打开 jupyter notebook

打开浏览器,跑起来

也可以将服务器换成本地的,vm 建立一个隧道

这些配置简单

本地打开没问题

搞定了,我当然来复习 tfboys,虽说 tf 更到 2.0,不与 1.0 接融,但是 tf2.0 更简单了

官网 :http://www.tensorfly.cn/

TensorFlow 是一个用于人工智能的开源神器

有人说 tf 难?

难个毛线,凡是 py 都是 so easy

看看下面的手写 mnits 例子,不就是使用 keras 接口吗

# TensorFlowimport tensorflow as tfprint(tf.__version__)
2.0.0
# 加载手写数字集mnist = tf.keras.datasets.mnist(x_train, y_train), (x_test, y_test) = mnist.load_data()from matplotlib import pyplot as plt%matplotlib inlineplt.imshow(x_train[0])
# 缩放x_train, x_test = x_train / 255.0, x_test / 255.0
# 使用tf的接口kerasmodel = tf.keras.models.Sequential([    # (28, 28,1) ->(28, 28)    tf.keras.layers.Flatten(input_shape=(28, 28)),    # 128 神经元个数    tf.keras.layers.Dense(128, activation='relu'),    # 防止过拟合    tf.keras.layers.Dropout(0.2),    # 分类 10份    tf.keras.layers.Dense(10, activation='softmax')])# 多分类sparse_categorical_crossentropymodel.compile(optimizer='adam',              loss='sparse_categorical_crossentropy',              metrics=['accuracy'])
# 5个epochsmodel.fit(x_train, y_train, epochs=5)model.evaluate(x_test,  y_test, verbose=2)# [0.07285336476690137, 0.9783]
Train on 60000 samplesEpoch 1/560000/60000 [==============================] - 8s 132us/sample - loss: 0.3024 - accuracy: 0.9125Epoch 2/560000/60000 [==============================] - 6s 92us/sample - loss: 0.1457 - accuracy: 0.9564Epoch 3/560000/60000 [==============================] - 5s 88us/sample - loss: 0.1095 - accuracy: 0.9672Epoch 4/560000/60000 [==============================] - 5s 88us/sample - loss: 0.0900 - accuracy: 0.9730Epoch 5/560000/60000 [==============================] - 6s 92us/sample - loss: 0.0745 - accuracy: 0.976910000/1 - 1s - loss: 0.0372 - accuracy: 0.9783[0.07285336476690137, 0.9783]

本文分享自微信公众号 - 毛利学Python(sen13717378202),作者:小sen

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-11-03

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • keras知识点

    所有的函数都在keras.preprocessing 分别有text ,sequence, image

    润森
  • tensor张量

    在TensorFlow系统中,张量的维数来被描述为阶.但是张量的阶和矩阵的阶并不是同一个概念.张量的阶(有时是关于如顺序或度数或者是n维)是张量维数的一个数量描...

    润森
  • Python基础教程(三)

    @Date:Writern By 2019/04/15 and supplied By 2020/3/31

    润森
  • TensorFlow从0到1 - 5 - TensorFlow轻松搞定线性回归

    上一篇 第一个机器学习问题 其实是一个线性回归问题(Linear Regression),呈现了用数据来训练模型的具体方式。本篇从平行世界返回,利用Tenso...

    黑猿大叔
  • 码农技术炒股之路——抓取日线数据、计算均线和除权数据

            日线数据是股票每日收盘后的信息。这块数据不用实时抓取,所以并不占用宝贵的交易时间的资源。于是我们抓取完数据后直接往切片后的数据库中保存。(转载请...

    方亮
  • 斯坦福CS231n项目实战(三):Softmax线性分类

    版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.n...

    红色石头
  • eosio.cdt:EOS智能合约工具集

    首先,在本机安装eosio.cdt。官方推荐的安装方式有很多,笔者推荐采用源码安装的方式。

    文彬
  • java死锁的排查

    多线程下还是要考虑一下死锁的发生情况,避免遇到这种问题时被动无措,死锁是指两个或两个以上的线程在执行过程中,由于竞争资源或者彼此通信而造成的一种阻塞的现象,若无...

    用户3625239
  • 【链安科技】ATN Token中CUSTOM_CALL漏洞

    本文结论:ERC223, ERC827的部分实现代码引入了任意函数调用缺陷,可能会对使用这部分代码的合约带来安全漏洞。如果需要实现上述规范接口,请仔细检查...

    辉哥
  • Oracle expdp 时遭遇ORA-39125 ORA-04063

        数据库在使用DataPump导出时碰到了ORA-39125与ORA-04063。完整的ORA-39125提示是Worker unexpected fat...

    Leshami

扫码关注云+社区

领取腾讯云代金券