1.2　硬件準備

本書主要討論使用深度學習技術進行圖像處理分析，而深度學習技術在模型的訓練階段，需要使用除了CPU以外的硬件進行加速才能達到理想的訓練速度，實現模型的快速收斂。這些硬件包括TPU、FPGA、Intel Xeon Phi處理器等，但目前階段使用最廣泛、開發最簡單的還是GPU，即英偉達（NVIDIA）公司的顯卡。

之所以是NVIDIA公司的顯卡，是因為現在主流深度學習框架大多基于NVIDIA的CUDA計算庫，而CUDA計算庫支持的硬件主要是自家產品。支持CUDA的硬件可以在NVIDIA官網中找到（https://developer.nvidia.com/cuda-gpus）。因此，想用自己電腦進行本書深度學習入門學習的用戶，如果想借助GPU作為硬件幫助，基本要求是需要有一臺近幾年出品的NVIDIA顯卡，其顯存大小最好在8GB以上。

如果用戶的電腦沒有獨立顯卡或者顯存大小不足，將無法訓練本書最后幾章中的案例。另外，電腦配置的是AMD顯卡，是不是必須新買一臺電腦呢？重新購置電腦當然也可以，但是畢竟成本比較高，用戶同樣可以考慮按小時收費，租用GPU云服務器。為了方便讀者學習，我們為本書的內容在亞馬遜云（aws）以及騰訊云（qcloud）上設計了專門的鏡像，方便讀者使用。

1.2.1　在亞馬遜租用云GPU服務器

使用aws us-east-1節點，GPU價格是0.9美元／小時，也可以使用實時競價（Spot Instance）方式以獲得更低的價格。使用方法如下：

（1）登錄aws官網。進入https://console.aws.amazon.com/ec2/v2/home?region=us-east-1，單擊Launch Instance，如圖1-1所示。當然，也可以單擊左側的Spot Instance選項選擇更低價的實時競價機器，然后啟動。

圖1-1　在aws上單擊Launch Instance

（2）選擇左側的Community AMIs選項，然后在右側的文本框中查找NVIDIA Docker，再選擇一個鏡像，如圖1-2所示。推薦使用aws us-east-1節點。

圖1-2　查找預裝NVIDIA Docker的鏡像

（3）選擇p2.xlarge節點，單擊Review and Launch按鈕啟動服務，如圖1-3所示。

圖1-3　選擇p2.xlarge節點

（4）接下來選擇公鑰，如圖1-4所示。如果還沒有公鑰就進行創建。創建公鑰的過程中注意預留22、8888、6006這三個端口，供后續使用。短期使用時，可以選擇開啟所有端口。

圖1-4　選擇公鑰

（5）在PuTTY（Windows）或者終端（Mac/Linux）中，使用密鑰啟動。這里我們以PuTTY為例，需要填寫公網地址，如圖1-5所示。然后需要指定剛才登錄時使用的公鑰，如圖1-6所示。

圖1-5　輸入公網地址

圖1-6　指定登錄時使用的公鑰

（6）此時單擊Open按鈕，即可登錄aws服務器。如果遇到登錄問題，可以在aws上問答（http://docs.aws.amazon.com/zh_cn/AWSEC2/latest/UserGuide/putty.html）中查詢具體原因。

1.2.2　在騰訊云租用GPU服務器

亞馬遜云是國外的機器，大家實際使用時可能網絡連接速度并不快。這種情況下，大家可以考慮騰訊云、阿里云的按小時計費。這里以租用騰訊云為例。

（1）進入網址https://cloud.tencent.com/product/gpu，單擊“立即選購”按鈕，如圖1-7所示。

圖1-7　選購GPU云服務器

（2）選擇“按量計費”，然后指定機型，這里GPU單卡足夠，如圖1-8所示。

圖1-8　選擇計費模式和機型

（3）接下來選擇GPU鏡像，單擊“從服務市場選擇”鏈接，如圖1-9所示。

（4）在彈出的窗口中選擇騰訊云官方的GPU鏡像，如圖1-10所示。注意，這里顯示的官方鏡像CUDA是7.5版本，讀者使用該鏡像時需要下載并安裝8.0版本以上的CUDA。

圖1-9　選擇鏡像

圖1-10　選擇騰訊云官方鏡像

（5）選擇完畢，單擊“下一步：選擇存儲與網絡”按鈕，如圖1-11所示。

圖1-11　單擊“下一步：選擇存儲與網絡”

（6）接下來選擇帶寬和服務器數量等，如圖1-12所示。

圖1-12　選擇帶寬和服務器數量等

（7）單擊“下一步：設置信息”按鈕，設置安全規則、購買服務器。在“安全組”框中至少要保留22、8888、6006三個端口，短期使用也可以全部開啟，如圖1-13所示。

圖1-13　設置安全規則和購買服務器

（8）購買成功會顯示如圖1-14所示的頁面。稍等幾分鐘，公網IP地址出現后，使用公網IP地址登錄即可。

圖1-14　購買成功

（9）使用PuTTY登錄購買的云服務器，其操作步驟與aws登錄相同，注意不需要設置秘鑰，填寫IP地址即可。

（10）參考1.3.2小節，安裝CUDA、Docker、NVIDIA Docker等。

1.2.3　在云服務器中開啟搭載開發環境的Docker服務

登錄服務器，開啟Docker以及NVIDIA Docker服務，并開啟鏡像。

          systemctl start docker
          systemctl start nvidia-docker
          git clone https://github.com/Jinglue/DL4Img
          nvidia-docker pull hubq/dl4img
          nvidia-docker run -d -v ~/dl4img/notebook/:/srv -p 8888:8888 -p 6006:6006
      hubq/dl4img

打開鏡像后，讀者可以在瀏覽器中輸入下面的內容來訪問剛才搭建的開發環境。

    http://[購買云服務器的IP地址]:8888

登錄密碼為jizhitencent，如圖1-15所示。

圖1-15　訪問剛搭建的開發環境