本地搭建Tensorflow环境模拟ModelArts(一)

背景

    最近参加了华为云一个非常火的活动活动“ModelArts-Lab AI实战营”目前已经进行了第四期了、此活动由浅入深慢慢让大家接触、学习、使用、最新的AI人工技术及在华为云平台中的实现方法。

    第一期：图像分类 (I) https://github.com/huaweicloud/ModelArts-Lab/issues/49 

    第二期：图像分类 (II) https://github.com/huaweicloud/ModelArts-Lab/issues/113

    第三期：图像分类 (III) 模型参数&网络调优https://github.com/huaweicloud/ModelArts-Lab/issues/219  

    第四期：物体检测 (I) https://github.com/huaweicloud/ModelArts-Lab/issues/402

    活动中刚开始对平台有资源要求并不是很高、而且活动有送的一定的AI 平台的使用时间、而第三个则是不一样了、为了完成第三期、我大约使用了3天多的时间、包括整理记录。等所有完成后发现Notebook使用的费用比我预计的要高很多。此时就在想有没有办法把ModelArts-Lab AI实战营的内容，先以精简版本在本地测试、当实现了所有功能之后、再统一放到“ModelArts” 平台中来进行完整的结果验证

    这样做有二个好处：

        降低了成本：

        有了更加完成的学习记录

    以下信息为本地安装（tensorflow)的记录、希望可以帮助其它人提供一个引导、避免一些问题

    本地电脑配置(I7-16G-GT860M)

1： 查看官方指导手册（https://tensorflow.google.cn/install）、确认需要提前准备的软件 、并安装相关驱动 

        按照顺序我们先安装 NVIDIA驱动 和GUDA工具包、Python环境使用Anacoda、所以SDK不需要安装 

2：下载"Anacoda"配置Python环境

    下载地址：https://www.anaconda.com/distribution/

    有一点需要注意的、如上图所示、如果点击下载、则下载的是MacOS的包、需要先点击Window之后再点击对应版本的下载地址、本次环境使用Python3

    下载后执行安装（全部默认就可以了）、安装完成后先执行更新

        #LAB>codan update --all

      使用下面命令执行安装

        #LAB> conda install tensorflow-gpu

3:测试：

    首先把notebook环境创建

        创建notebook 登录的密码

        #LAB> jupyter notebook password

        创建notebook 配置文件

        #LAB> jupyter notebook --generate-config

        具备的配置可以参考附件（需要修改  c.NotebookApp.notebook_dir = 'D:\\40_Labcode'---需要修改为自己对应的目录）

    开打notebook笔记本

        #LAB> jupyter notebook

4: 使用示例测试、使用下面代码测试

import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)

    5：查看 jupyter notebook日志信息

2019-07-21 22:12:00.616100: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2

2019-07-21 22:12:01.798520: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1433] Found device 0 with properties:

name: GeForce GTX 860M major: 5 minor: 0 memoryClockRate(GHz): 1.0975

pciBusID: 0000:01:00.0

totalMemory: 2.00GiB freeMemory: 1.64GiB

    如果上图所示、显示了GPU上关信息、则说明本地环境已经部署完成。