手把手在亚马逊EC2上搭建Keras GPU

由于需要使用越来越复杂的神经网络，我们还需要更好的硬件。但我们的电脑通常不能承受那么大的网络，不过你可以相对容易地在亚马逊上租用一个功能强大的计算机，比如E2服务你可以相对容易地按照小时租用在亚马逊EC2服务。

我使用Keras——一个开源神经网络Python库。因为它的易用性，所以初学者可以很容易开始自己的深度学习旅程。它建立在TensorFlow之上（但是Theano也可以使用）—— 一个用于数值计算的开源软件库。租借的机器将通过浏览器使用Jupyter Notebook ——一个网络应用程序，允许共享和编辑文档与实时代码。

Keras可以在GPU上运行cuDNN —— 深层神经网络GPU加速库。这种方法比典型的CPU快得多，因为它被设计用于并行计算。我建议你看看几个CNN基准，比较不同的GPU和CPU上最流行的神经网络的运行时间。

我将向您手把手介绍如何通过预先准备的Amazon Machine Image（AMI）设置这样的深度学习环境。

1) 创建一个账号

访问： https://aws.amazon.com/ ，然后创建一个 AWS 账号。

登陆进去

你控制台应该是长这样的：

根据你所在地，选择 Frankfurt或者N. Virgiania或者 Singapore . 这样过会儿它会让你试用一个预装的Keras AMI。

2) 发布一个实例（instance）

让我们选择 EC2 界面.

亚马逊如是说：“Amazon Elastic Compute Cloud（Amazon EC2）在Amazon Web Services（AWS）云中提供可扩展的计算能力。 使用Amazon EC2消除了对前期投资硬件的需求，因此您可以更快地开发和部署应用程序。 您可以使用Amazon EC2启动所需数量的虚拟服务器，配置安全性和网络以及管理存储。 Amazon EC2允许您向上或向下扩展以应对需求变化，从而减少对预测流量的需求.”

换句话说，你可以在任何时候租一个服务器来跑你的应用，在本案中，是用来做深度计算。

首先你需要选择一个AMI，这里已经安装了所有需要的工具 (Keras on TensoFlow with Jupyter Notebook).

选择实例类型（您租用的计算机性能）。 当然，你选择更好的情况下你支付得会更多。 但是你正在创建你的第一个实例，所以你不需要用最好的类型，不是么？ 只需选择t2.micro，它就是一个测试实例。 它不会让你大失血。当你对它感到舒适，并需要更多的计算能力，我建议你应该使用一个g *类型的实例（g代表GPU后端）。 g2.2xlarge。 这是一个默认的GPU实例的定价是每小时约$ 0,772。

这里没什么花哨，所以跳过。

您最多可以免费使用30 GB。 此外，如果您不希望您的数据在终止实例后消失，则应取消选中“终止时删除”复选框。

继续

好的，这个阶段很重要，因为你不仅要使用ssh，还要通过浏览器访问你的实例。 在端口8888上添加自定义TCP规则。仅允许从您的IP地址（8888和22（ssh））访问它。

所有的东西都准备好了，现在就可以发布一个实例了。

您只需要设置一个新的（或选择一个现有的）密钥对。 他们需要通过ssh登录到您的机器。

下载生成的密钥并保持其私有！ 不要让别人知道。

现在让我们看看机器的状态：

如您所见，实例已启动并正在运行。 做得好！ 您刚刚启动了一个AWS实例。

3) 建立 Jupyter Notebook

现在让我们用一用。通过SSH来链接.

按照说明，更改私钥的权限并将示例键入终端（或使用PuTTY连接）。 在-i参数插入私钥的路径而不是'root'键入'ubuntu'。 所以命令看起来如下：

ssh -i ‘path/to/private/key’ ubuntu@public_dns

输入如下来运行notebook：

sudo jupyter notebook 

进入终端。 您可以通过浏览器访问notebook：键入你的公共dns：8888（8888是Jupyter默认端口）。

4) 连接你的实例

默认密码是 “machinelearningisfun” (我猜你会改密码, 在 Jupyter Notebook documentation 里会解释如何使用).

MNIST数据库是一个众所周知的手写数字集合。 我准备了一个样本notebook，加载数据集，并拟合一个样本卷积神经网络。 打开mnist.jpynb示例可以自行运行单元格。

当你完成后，记得终止你的实例！ 付款计算基于实例上线的时间量。 例如，如果您忘记了已运行一个月的g2.2xlarge实例，您将支付$ 0,772 * 24 * 30 = $ 555,84。

那么，接下来呢？ 我鼓励你看看notMNIST数据集，其中包含来自不同字体的字母表字母集。 您可能对CIFAR-10感兴趣 - 一组彩色图像，可以匹配10个类别,比如 飞机，船只，鸟类或猫。

本文翻译自：https://medium.com/@mateuszsieniawski/keras-with-gpu-on-amazon-ec2-a-step-by-step-instruction-4f90364e49ac#.i2c5s5red