从零开始设置用于深度学习的AWS服务器

自己的电脑显卡实在不给力,打算使用AWS的带GPU服务器进行云端计算。

首先到

https://amazonaws-china.com/

右上角点击sign up注册账号,这里注意需要信用卡认证。

注册成功后需要申请GPU服务器,到

aws.amazon.com/contact-us/ec2-request

选择service limit increase,地区,之后选择服务器类型,在这里我们推荐p2.xlarge,价格适中。

之后选择limit value设置为1.

提交后等待1-2天即可通过。

服务器申请成功后,我们使用anaconda安装使用环境。假设你已经安装好anaconda,

create -n deepLearning python=2.7

使用此命令即可生成对应版本的anaconda使用环境。

之后打开新的terminal, 输入以下命令即可安装AWS的命令行工具。

pip install awscli

接下来需要申请登录服务端的密码。

进入

https://console.aws.amazon.com/iam/

选择左端Users,

选择Add users

输入用户名,在Access type中选择第一项:

Programmatic access
Enables an access key ID and secret access key for the AWS API, CLI, SDK, and other development tools. 

点击Next

选择第三项Attach existing policies directly,选择第一项 AdministratorAcess,点击Next, 点击create user

注意:选择download.csv 并保存到安全的地方,我们需要里面的秘钥进行命令行登录。

到这里我们有了所需的秘钥即可在命令行进行登录。

在命令行输入

aws configure

分别输入

AWS Access Key ID : AKIAJNQ×××××××××
AWS Secret Access Key : gVfhfLr7JAo××××××××××××××××××

即可进行自动配置。

时间: 2024-10-25 15:38:57

从零开始设置用于深度学习的AWS服务器的相关文章

AWS之搭建深度学习主机

B.G 至2017.11 GPU选型:(参考知乎.CSDN) 高性价比的两款:GTX1080ti, Titan X --通常调试算法  i7CPU+32G内存+SSD+2*GPU(单块显存>6G),总计成本2.7 - 4w+RMB 土豪系列:Tesla K80, M40 云:(每小时成本高于物理机,优势是托管环境系统) AWS.UClound 阿里云HPC 一.准备工作 Amazon账号   在AWS上配置深度学习主机 AWS 命令行界面 (CLI)    https://aws.amazon.

GitHub 上 57 款最流行的开源深度学习项目

转载:https://www.oschina.net/news/79500/57-most-popular-deep-learning-project-at-github 本文整理了 GitHub 上最流行的 57 款深度学习项目(按 stars 排名).最后更新:2016.08.09 1.TensorFlow 使用数据流图计算可扩展机器学习问题 TensorFlow 是谷歌的第二代机器学习系统,按照谷歌所说,在某些基准测试中,TensorFlow 的表现比第一代的 DistBelief 快了2

深度学习“引擎”之争:GPU加速还是专属神经网络芯片?

深度学习“引擎”之争:GPU加速还是专属神经网络芯片? 深度学习(Deep Learning)在这两年风靡全球,大数据和高性能计算平台的推动作用功不可没,可谓深度学习的“燃料”和“引擎”,GPU则是引擎的引擎,基本所有的深度学习计算平台都采用GPU加速.同时,深度学习已成为GPU提供商NVIDIA的一个新的战略方向,以及3月份的GTC 2015的绝对主角. 那么,GPU用于深度学习的最新进展如何?这些进展对深度学习框架有哪些影响?深度学习开发者应该如何发挥GPU的潜力?GPU与深度学习结合的前景

Github上Stars最多的53个深度学习项目,TensorFlow遥遥领先

原文:https://github.com/aymericdamien/TopDeepLearning 项目名称 Stars 项目介绍 TensorFlow 29622 使用数据流图计算可扩展机器学习问题. Caffe 11799 Caffe是一个高效的开源深度学习框架. Neural Style 10148 Torch实现的神经网络算法. Deep Dream 9042 Deep Dream,一款图像识别工具. Keras 7502 一款Python实现的深度学习库,包括卷积神经网络.递归神经

卷积在深度学习中的作用(转自http://timdettmers.com/2015/03/26/convolution-deep-learning/)

卷积可能是现在深入学习中最重要的概念.卷积网络和卷积网络将深度学习推向了几乎所有机器学习任务的最前沿.但是,卷积如此强大呢?它是如何工作的?在这篇博客文章中,我将解释卷积并将其与其他概念联系起来,以帮助您彻底理解卷积. 已经有一些关于深度学习卷积的博客文章,但我发现他们都对不必要的数学细节高度混淆,这些细节没有以任何有意义的方式进一步理解.这篇博客文章也会有很多数学细节,但我会从概念的角度来看待他们,在这里我用每个人都应该能够理解的图像表示底层数学.这篇博文的第一部分是针对任何想要了解深度学习中

[AI开发]深度学习如何选择GPU?

机器推理在深度学习的影响下,准确性越来越高.速度越来越快.深度学习对人工智能行业发展的贡献巨大,这得益于现阶段硬件计算能力的提升.互联网海量训练数据的出现.本篇文章主要介绍深度学习过程中如何选择合适的GPU显卡,如果你是深度学习新手,希望这篇文章对你有帮助. 推理用到的硬件分两种,一种是专业AI硬件公司出的AI芯片,一种就是我们平时熟知的GPU显卡了,前者不太适合入门学习,而后者无论从入门难度还是性价比上讲,对于新手来说都是优先的选择.而GPU显卡主流厂商大概两家,一个Nvidia,一个AMD,

深度学习 vs 机器学习 vs 模式识别

整理:深度学习 vs 机器学习 vs 模式识别 发表于2015-03-24 22:58| 78882次阅读| 来源个人博客| 41 条评论| 作者Tomasz Malisiewicz 模式识别深度学习机器学习数据科学家 摘要:本文我们来关注下三个非常相关的概念(深度学习.机器学习和模式识别),以及他们与2015年最热门的科技主题(机器人和人工智能)的联系,让你更好的理解计算机视觉,同时直观认识机器学习的缓慢发展过程. [编者按]本文来自CMU的博士,MIT的博士后,vision.ai的联合创始人

各种编程语言的深度学习库整理

Python 1. Theano是一个python类库,用数组向量来定义和计算数学表达式.它使得在Python环境下编写深度学习算法变得简单.在它基础之上还搭建了许多类库. 1.Keras是一个简洁.高度模块化的神经网络库,它的设计参考了Torch,用Python语言编写,支持调用GPU和CPU优化后的Theano运算. 2.Pylearn2是一个集成大量深度学习常见模型和训练算法的库,如随机梯度下降等.它的功能库都是基于Theano之上. 3.Lasagne是一个搭建和训练神经网络的轻量级封装

整理:深度学习 vs 机器学习 vs 模式识别

发表于2015-03-24 22:58| 11934次阅读| 来源个人博客| 26 条评论| 作者Tomasz Malisiewicz 模式识别深度学习机器学习数据科学家 摘要:本文我们来关注下三个非常相关的概念(深度学习.机器学习和模式识别),以及他们与2015年最热门的科技主题(机器人和人工智能)的联系,让你更好的理解计算机视觉,同时直观认识机器学习的缓慢发展过程. [编者按]本文来自CMU的博士,MIT的博士后,vision.ai的联合创始人Tomasz Malisiewicz的个人博客文