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

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、

• 2、

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)

2、GPU加速的Caffe+DIGITS可视化深度学习开发环境

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）

4、GPU加速的Torch深度学习开发环境

5、GPU加速的Theano深度学习开发环境

6、GPU加速的TensorFlow深度学习开发环境

用户手册界面：

参考资料：

• 1、重磅发布!GPU加速服务来到SuperVessel超能云平台

• 2、VPN设置：

  .

延伸一：如果用supervessel结合notebook更好地来进行训练

转载于：

但是在ssh窗口下去用vi来写python代码总觉得有点怪怪的，能不能好好利用下iptyhon notebook这个神器呢？把notebook启动成服务，然后在远程浏览器中来做操作。

安装ipython, ipython-notebook:

sudo apt-get install ipython

sudo apt-get install ipython-notebook

然后，我们创建一个nbserver配置文件：

会提示在对应目录下有python_notebook_config.py这个文件，进入更改其中的

然后启动ipython notebook —profile=nbserver

这样我们在本机浏览器中就可以进入到神奇的notebook画面：

然后，把本机上的代码scp到我们的云主机上:

我们直接从notebook上调用，job成功运行，因为有些路径的问题，懒得去改就不在notebook上写上代码了，这个也是很容易做的，可是晚上11点半了 好冷就不搞了

对比下主机和云主机上搭配GPU的速度对比，速度提升了8倍左右，如果再增加代码中得迭代数量，应该会提升更快，因为在gpu上其实多耗费了一点从内存拷贝到gpu的过程，这里就不测试了，本机器跑个2w次还是很慢的：