[DL]深度学习Eve折腾记
深度学习机
Down到代码之后，首先保证要能够在本机上run起来。为了可以让代码运行在没有GPU的机器上，我主要做了两件事情：第一是从别的途径快速下载代码，存储在本地，修改keras源代码中的load_data()函数中的路径，避免keras从远程下载(慢);第二是修改由于开源库的更新导致的代码不兼容问题，比如返回值的格式等。但是没有GPU的机器是运行的很慢！第一次接触GPU，是从CUDA编程了解的，直觉上如果是利用GPU，则需要编写一些关于GPU的代码，实则不然。keras作为一个前端，利用Theano或者Tensorflow作为后端，可以直接利用GPU进行加速计算。
为了获得一台深度学习机，可以通过Amazon购买计算资源，或者你拥有一台深度学习机。抱了BOSS的大腿，我们实验室拥有一台深度学习机，内置四块Tesla K80。
代码运行环境
Eve的原始代码是基于python3的，故需要一个python3的运行环境，为了不和原始的python2的运行环境发生冲突，可行的一种方式建立虚拟环境。我在Mac上同样存在python2和python3的运行环境，不过Mac上的运行环境搭建是参照参考1中的方式。
深度学习机是Ubuntu系统，冒冒同学在之前的使用中安装了anaconda,故使用anaconda搭建一个虚拟环境更简单。
conda create -n py34 python=3.4 anaconda
这个过程可能比较漫长，因为要安装基于python3.4版本的一些库。
进入python3.4的运行环境：
source activate py34
之前之前已经安装了Keras,Theano,Tensorflow等，故OK！
GPU监视
nvidia自带显卡监视工具:nvidia-smi,具体使用方式：
nvidia-smi -h
watch -n 1 nvidia-smi
含义：每隔1秒输出一下nvidia-smi的结果。
注意：在使用VNCServer连接远程服务器的时候，需要调整服务器的分辨率。
在终端输入：
vncserver -geometry 1920x1080 -depth 16
在VNCServer的界面窗口中设置当前分辨率，按照Pixes参数设置和上述相同。
遇到问题
1.程序不能运行太多。
cumem参数的设置表示每个程序分到的显存，有时候程序运行到中间的时候，强行crash掉，这个时候进程还在持续进行，怎么办？
killall -9 python3
否则，当我们重新运行程序的时候，就会报错。
参考文献：
1.MAC OSX 10.11 配置python3及虚拟环境
2.TensorFlow教程：使用pip安装TensorFlow