并非广告~实在是太良心了,所以费时间给他们点赞一下~

SuperVessel云平台是IBM中国研究院和中国系统与技术中心基于POWER架构和OpenStack技术共同构建的,

支持开发者远程开发的免费科研云平台。除支持虚拟机和容器服务外还提供:大数据Hadoop,Spark开发环境、Python科学计算开发环境(可替代Matlab)、Java

Eclipse/Bluefish运行环境、C/C++运行环境

只需任意一个邮箱,1分钟就可以申请到服务器,没见过更快的了…使用之后觉得不足之处:

  • 1、由于公益项目,社区也不够壮大,服务器不是那么稳定,会出现登录不上等问题(QQ讨论群344373069)
  • 2、一些功能需要设置VPN才能实现,当然啦,这点代价也还好,就是笔者在测试的时候发现连接了VPN有些功能还实现不了
  • 3、开发文档较少,出现问题很难得到解答;

相关博文内容:

- 1、学习笔记︱Nvidia DIGITS网页版深度学习框架——深度学习版SPSS

- 2、supervessel-免费云镜像︱GPU加速的Caffe深度学习开发环境


一、GPU配置

SuperVessel的云端GPU共享技术为全球首发,**它基于POWER 8处理器和NVIDIA® Tesla® K40 GPU加速器的异构计算系统。**Tesla K40是Tesla加速计算平台的高端加速器,可以向用户提供超级计算级的性能,满足各种严苛的HPC应用需求。

NVIDIA所推出的cuDNN(CUDA深度神经网络库)可以被集成到各个主流深度学习框架中以提供GPU加速支持,其中就包括此次SuperVessel超能云GPU加速服务提供的Caffe、Torch、Theano框架,助研究人员实现更加高效的深度学习模型训练。


二、已有的深度学习框架

Supervessel超能云服务器,已经配置好了框架,可以直接上手试用。而且现在有了DIGITS,现在有以下五款带GPU深度学习配置:

  • 1、GPU加速的TensorFlow 深度学习环境
  • 2、GPU加速的Caffe深度学习开发环境
  • 3、GPU Accelerated Caffe+DIGITS Deep Learning Development Environment
  • 4、GPU Accelerated Theano Machine Learning Development Environment
  • 5、GPU Accelerated Torch7 Machine Learning Development Environment

三、关于蓝点

公益归公益,也不能一味的全免费。这个云服务器也有消耗积分一类的,就是蓝点啦。

蓝点最开始有500点,建立镜像要消耗,每天开着也是要消耗的,所以没事就把服务器关一下。

为了更加有效地利用SuperVessel超能云的资源,我们采取了蓝点系统来调节用户的使用行为。每一项服务都将消耗用户的蓝点,当蓝点耗尽后,用户将无法再使用超能云的服务。

但用户可通过以下方法获得蓝点补充:

• * * 可将您在SuperVessel上的注册账号发给help@ptopenlab.com,说明申请蓝点,即可获得。

• * * 如果您加入了超能云技术支持QQ群(344373069),可联系管理员获得蓝点。


四、官方案例资料

1、CIFAR10分类,CIFAR10相对比较简单,是由60000张32X32像素的彩色图片组成,分为10类,每类含6000张图片。这10类图片分别是飞机、车、鸟、猫、鹿、狗、青蛙、马、船和卡车。

链接:跟我上手深度学习: 五分钟尝试第一个深度学习(Caffe)训练和图像分类(详细图文步骤)

https://my.oschina.net/u/1431433/blog/687393

2、GPU加速的Caffe+DIGITS可视化深度学习开发环境

https://services.ptopenlab.com/mediawiki/index.php/GPU%E5%8A%A0%E9%80%9F%E7%9A%84Caffe%2BDIGITS%E5%8F%AF%E8%A7%86%E5%8C%96%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%BC%80%E5%8F%91%E7%8E%AF%E5%A2%83

3、入门配置篇:超能云 (SuperVessel Cloud) – 使用入门篇 (专供开发者的免费虚拟机资源)

https://my.oschina.net/u/1431433/blog/380643

4、GPU加速的Torch深度学习开发环境

https://services.ptopenlab.com/mediawiki/index.php/GPU%E5%8A%A0%E9%80%9F%E7%9A%84Torch%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%BC%80%E5%8F%91%E7%8E%AF%E5%A2%83

5、GPU加速的Theano深度学习开发环境

https://services.ptopenlab.com/mediawiki/index.php/GPU%E5%8A%A0%E9%80%9F%E7%9A%84Theano%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%BC%80%E5%8F%91%E7%8E%AF%E5%A2%83

6、GPU加速的TensorFlow深度学习开发环境

https://services.ptopenlab.com/mediawiki/index.php/GPU%E5%8A%A0%E9%80%9F%E7%9A%84TensorFlow%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%BC%80%E5%8F%91%E7%8E%AF%E5%A2%83

用户手册界面:https://services.ptopenlab.com/mediawiki/index.php/Main_Page


参考资料:

深度学习菜鸟的信仰地︱Supervessel超能云服务器、深度学习环境全配置的更多相关文章

  1. 支持边云协同终身学习特性,KubeEdge子项目Sedna 0.3.0版本发布!

    摘要:随着边缘设备数量指数级增长以及设备性能的提升,边云协同机器学习应运而生,以期打通机器学习的最后一公里. 本文分享自华为云社区<支持边云协同终身学习特性,KubeEdge子项目Sedna 0 ...

  2. 调参侠的末日? Auto-Keras 自动搜索深度学习模型的网络架构和超参数

    Auto-Keras 是一个开源的自动机器学习库.Auto-Keras 的终极目标是允许所有领域的只需要很少的数据科学或者机器学习背景的专家都可以很容易的使用深度学习.Auto-Keras 提供了一系 ...

  3. Sony深度学习框架 - Neural Network Console - 教程(1)- 原来深度学习可以如此简单

    “什么情况!?居然不是黑色背景+白色文字的命令行.对,今天要介绍的是一个拥有白嫩的用户界面的深度学习框架.” 人工智能.神经网络.深度学习,这些概念近年已经涌入每个人的生活中,我想很多人早就按捺不住想 ...

  4. 从零开始搭建实验室Ubuntu服务器 | 深度学习工作站

    一个标准的数据分析码农必须要配一台超薄笔记本和一台高性能服务器,笔记本是日常使用,各种小问题的解决,同时也是用于远程连接终端服务器:高性能服务器就是核心的处理数据的平台,CPU.内存.硬盘容量.GPU ...

  5. Deep Learning 10_深度学习UFLDL教程:Convolution and Pooling_exercise(斯坦福大学深度学习教程)

    前言 理论知识:UFLDL教程和http://www.cnblogs.com/tornadomeet/archive/2013/04/09/3009830.html 实验环境:win7, matlab ...

  6. 3D点云的深度学习

    使用卷积神经网络(CNN)架构的深度学习(DL)现在是解决图像分类任务的标准解决方法.但是将此用于处理3D数据时,问题变得更加复杂.首先,可以使用各种结构来表示3D数据,所述结构包括: 1  体素网格 ...

  7. 使用亚马逊云服务器EC2做深度学习(四)配置好的系统镜像

    这是<使用亚马逊云服务器EC2做深度学习>系列的第四篇文章. (一)申请竞价实例  (二)配置Jupyter Notebook服务器  (三)配置TensorFlow  (四)配置好的系统 ...

  8. 使用亚马逊云服务器EC2做深度学习(三)配置TensorFlow

    这是<使用亚马逊云服务器EC2做深度学习>系列的第三篇文章. (一)申请竞价实例  (二)配置Jupyter Notebook服务器  (三)配置TensorFlow  (四)配置好的系统 ...

  9. 使用亚马逊云服务器EC2做深度学习(二)配置Jupyter Notebook服务器

    这是<使用亚马逊云服务器EC2做深度学习>系列的第二篇文章. (一)申请竞价实例  (二)配置Jupyter Notebook服务器  (三)配置TensorFlow  (四)配置好的系统 ...

随机推荐

  1. Core Animation 文档翻译 (第五篇)

      构建Layer层次结构 在APP中大多数情况下,将Layer和View对象结合使用是Layer最好的使用方式.然而,很多时候我们可能需要通过添加单独的Layer对象,以便增加视图继承层次:当为了提 ...

  2. [DeeplearningAI笔记]ML strategy_1_1正交化/单一数字评估指标

    机器学习策略 ML strategy 觉得有用的话,欢迎一起讨论相互学习~Follow Me 1.1 什么是ML策略 机器学习策略简介 情景模拟 假设你正在训练一个分类器,你的系统已经达到了90%准确 ...

  3. 安装supervisor

    机器版本 centos 6.5 python 版本 2.6.6 在终端输入 easy_install supervisor 并回车,linux会自动联网并下载supervisor源码解压并安装 安装成 ...

  4. phantomjs集成到scrapy中,并禁用图片,切换UA

    phantomjs是一个没有界面的浏览器,支持各种web标准,提供DOM 处理, CSS 选择器, JSON, Canvas, 和 SVG,对于爬取一些经过js渲染的页面非常有用.但是phantomj ...

  5. BZOJ 4514: [Sdoi2016]数字配对 [费用流 数论]

    4514: [Sdoi2016]数字配对 题意: 有 n 种数字,第 i 种数字是 ai.有 bi 个,权值是 ci. 若两个数字 ai.aj 满足,ai 是 aj 的倍数,且 ai/aj 是一个质数 ...

  6. HDU 2296 Ring [AC自动机 DP 打印方案]

    Ring Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 32768/32768 K (Java/Others)Total Submissio ...

  7. BZOJ 1018: [SHOI2008]堵塞的交通traffic [线段树 区间信息]

    1018: [SHOI2008]堵塞的交通traffic Time Limit: 3 Sec  Memory Limit: 162 MBSubmit: 3064  Solved: 1027[Submi ...

  8. 第一周 动态规划Dynamic Programming(一)

    一.概念 动态规划是运筹学的一个分支,是求解决策过程最优化的数学方法.动态规划是通过拆分问题,定义问题状态和状态之间的关系,使得问题能够以递推(或者说分治)的方式去解决. 1.试用情况: 2.解决步骤 ...

  9. 正负样本比率失衡SMOTE

    正负样本比率失衡SMOTE [TOC] 背景 这几天测试天池的优惠券预测数据在dnn上面会不会比集成树有较好的效果,但是正负样本差距太大,而处理这种情况的一般有欠抽样和过抽样,这里主要讲过抽样,过抽样 ...

  10. java程序设计原则

    前言: 前言:java这种面向对象的的语言其实是很符合人的生活思维模式的,因为它以对象作为自己的研究对象,所谓"万物皆对象".一个人.一颗苹果.一只蚂蚁都是对象.所以它的设计原则和 ...