點擊上方關注,All in AI中國
Kaggle、TensorFlow、PyTorch、MxNet等等只需這幾步!
無論您是第一次設置TensorFlow的新手數據科學愛好者,還是使用TB級數據的經驗豐富的AI工程師,在安裝庫、軟件包和框架的時候總會這樣或那樣的問題。
雖然像Docker這樣的集裝箱化工具真正徹底改變了軟件的可重複性,但它們還沒有在數據科學和人工智能社區中流行起來。隨著不斷髮展的機器學習框架和算法,很難花時間專注於去學習另一個開發人員工具,尤其是那些與模型構建過程沒有直接關聯的工具。
在這篇博文中,我將向您展示如何使用一個名為datmo的簡單python包為任何流行的數據科學和AI框架設置環境,只需幾個簡單的步驟。 Datmo充分利用了Docker,簡化了流程,幫助您快速輕鬆地運行。
0.先決條件
- 安裝並啟動Docker
- (如果使用GPU)安裝CUDA 9.0
1.安裝datmo
就像任何python包一樣,我們可以使用以下命令從終端安裝datmo:
2.初始化datmo項目
在終端中,cd到要開始構建模型的文件夾。然後,輸入以下命令:
然後,您將被要求提供項目的名稱和描述——你可以隨意命名。
3.啟動環境設置
在輸入名稱和描述後,datmo將詢問您是否要設置環境——打出y並按下Enter鍵。
4.選擇系統驅動程序(CPU或GPU)
然後,CLI將詢問您希望為您的環境選擇哪些系統驅動程序?如果您不打算使用GPU,可以選擇CPU。
5.選擇一個環境
接下來,您將從眾多預打包環境中選擇一種。只需在提示中回覆您要使用的環境的編號或ID。
6.選擇語言版本(如果適用)
上述許多環境都有不同的版本,具體取決於您計劃使用的語言和版本。
例如,在選擇了keras-tensorflow環境之後,我將面臨以下提示,詢問我是否要使用Python 2.7或Python 3.5。
7.啟動工作區
您已經正確選擇了您的環境,現在是時候啟動您的工作區了。選擇您要使用的工作區,然後在終端中輸入相應的命令。
Jupyter筆記本 - $ datmo notebook
JupyterLab - $ datmo jupyterlab
RStudio - $ datmo rstudio(在R-base環境中可用)
終端 - $ datmo terminal
設置好了!第一次為新環境初始化工作空間時,需要花費一些時間來獲取所有資源,但在連續運行中它明顯更快。
一旦您的工作區啟動,您就可以開始導入包含在您選擇的環境中的包和框架裡了!例如,如果用戶選擇了keras-tensorflow環境,那麼導入tensorflow將在Jupyter Notebook中開箱即用!
如果您正在使用TensorFlow,則可以從datmo文檔中嘗試此示例來運行您的第一個TensorFlow圖。
閱讀更多 AI中國 的文章