使用亚马逊AWS云服务器进行深度学习——免环境配置/GPU支持/Keras/TensorFlow/OpenCV

前言

吐槽：由于科研任务，需要在云端运行一个基于神经网络的目标识别库，需要用到GPU加速。亚马逊有很多自带GPU的机器，但是环境的配置可折腾坏了，尤其是opencv，每次总会出各种各样的问题！

无奈中，看见了Adrian Rosebrock的blog：Pre-configured Amazon AWS deep learning AMI with Python

其已经预配置好各种环境，包括Keras, TensorFlow, scikit-learn, scikit-image, OpenCV等。可以说是很棒棒喽。

此文章并非其文章的翻译稿，而是提炼主要内容并且亲自实践而来，补充了很多坑。如条件允许，还请自行阅读英文原文，更详细。

第一步：竞价获取服务器

注册亚马逊什么的就不说了，注意免费一年政策并不能用于这些带GPU的机型就是了。

使用竞价请求来申请主机，至于为什么要用竞价实例，第一是便宜，第二是我发现我的账号没有申请持续性gpu主机实例的权限。至于竞价实例是什么，请google/baidu。

原文中，给了四种适合的机型：

• c4.xlarge: $0.199/hour

• p2.xlarge: $0.90/hour

• p2.8xlarge: $7.20/hour

• p2.16xlarge: $14.40/hour

For CPU instances I recommend you use the “Compute optimized” c4.* instances. In particular, the c4.xlarge instance is a good option to get your feet wet. If you would like to use a GPU, I would highly recommend the “GPU compute” instances. The p2.xlarge instance has a single NVIDIA K80 (12GB of memory). The p2.8xlarge sports 8 GPUs. While the p2.16xlarge has 16 GPUs.

然而，我选择g2，8cpu，15g ram，带一块GPU，最基础的任务足够。

如图选择，搜索ami-ccba4ab4，找到这一个预配置的AMI镜像

请注意这里原本是16G的卷，建议最好20-30G，防止你还要配置或者安装些东西，之前没用这个镜像，随便编译个opencv，硬盘就不够了。

提交！接下来便是等待，有快有慢，快的时候立刻就有机器。

第二步：一键安装显卡驱动

拿到机器后，使用ssh连接上，用户名是ubuntu。

这里有个坑就是显卡驱动。原文已经说了，尽管镜像中本来安装好了驱动，由于挂载盘特性，驱动会可能被系统屏蔽，需要重新安装，或者是屏蔽某系统文件（没仔细研究，我觉得重装来得快，哈哈哈）。

首先，检查是否有驱动：

nvidia-smi

如果显示：

则已经有驱动了，不需要安装。

否则，你需要安装驱动，作者已经在/installers下放了显卡驱动。安装：

cd installers
sudo ./NVIDIA-Linux-x86_64-375.26.run --silent

值得注意的是，我用的g2这个机器的显卡K520，是不可以用这个驱动的，我们需要重新下载驱动，下载地址如下

http://www.nvidia.com/download/driverResults.aspx/108586/en-us

供大家核对信息：

将下载的驱动也放在该文件夹后,先要给该文件执行的权限，然后静默安装：

sudo chmod 777 NVIDIA-Linux-x86_64-367.57.run
sudo ./NVIDIA-Linux-x86_64-367.57.run --silent

安装时会弹出一些警告，不用理会，安装好后，再次执行nvidia-smi，得到之前的图。

现在，你的环境已经配置好了。

第三步：开启python虚拟环境

最后一步，需要打开大神预先配置好的环境，执行

workon dl4cv

完成！你可以使用pip-freeze查看下装的东西：

最后，放一张运行我程序的图：

如有问题，可以留言讨论，转载请注明原文链接和作者姓名！