AWS上如何使用深度学习主机？

　　欢迎各位阅读本篇,本篇文章讲述了AWS上如何使用深度学习主机?课课家教育平台提醒各位：本篇文章纯干货~只要您认真阅读，肯定能够学会的哦~因此大家一定要认真阅读本篇文章哦!

　　AWS应用整合：

　　通过适合的技术可以将外部应用系统的身份、局部应用、业务互交、数据等整合到一起，AWS平台为实现集成提供了开放的工具、产品和技术，通过AWS平台实现集成的几种常见模式：

　　⊕ 身份被集成：登录状态被三方Portal门户掌管

　　⊕ 集成身份：登录状态由AWS Portal掌管，整合其他Web应用

　　⊕ 数据交换：流程中将请求/结果放入ESB企业服务总线或JMS队列

　　⊕ 协同外部系统数据：流程中读写外部数据(XML、WebServices、DB、Other)

　　⊕ 协同外部文件格式：流程表单与常用文件格式的转换(Word、Excel、XML、PDF)

　　⊕ 协同外部沟通平台：流程与外部通讯技术的集成(短信、MSN、EMail、RTX)

　　⊕ 协同外部Web界面：流程中调用外部Web应用界面(SSO、URL Binding)

　　⊕ 外部启动/执行AWS流程：在三方外部系统执行AWS流程(SDK API、WebServices)

　　⊕ 协同外部流程/状态：由AWS流程触发外部系统流程或更改数据的状态(API、WebServices、DB)

　　业务活动监控(Business Activity Montior，BAM)平台 BAM提供了对业务绩效指标的实时访问,以改进业务运作的速度和效率，并将这些变化和趋势由一系列的图形仪表动态的展现给用户。

　　BAM能够让高管人员以可视化的方式从自己Web Portal上监控业务或流程的“关键指标”(Key Performance Indicator，简称 KPI)，AWS平台为实现对流程、变化的业务数据进行时时监控提供了平台级支持。

　　在AWS BAM平台中预设了十余个流程绩效和运行状态的监控，通过Adobe Flex技术将数据动态推送到Web客户端，在实施项目案例时也可根据BAM提供的接口快速封装成自己的业务仪表盘，并通过统一的授权机制将仪表部署给特定用户。

　　本文简单介绍一下如何租赁并使用 Amazon EC2 P2 实例:

　　p2.xlarge 搭载了一块12G 显存的 Tesla K80 显卡。上图中的价格是Linux操作系统上的价格，Windows上会稍贵一点，p2.xlarge 价格是 $1.084 每小时，这也是我选择的实例。不过为了降低费用，我选择的是竞价实例。这样一来价格可以低至 $0.2746(可能会有所波动)。

　　下面介绍具体流程：

　　1. 注册账号

　　首先要在AWS上注册一个账号，并且需要绑定一张可以支付美元的 Visa 或 Mastercard 信用卡。注册好之后需要请求提高限制，填写区域的时候填弗吉尼亚北部或者俄勒冈，然后在 New limit value 一栏里填1，填好后 submit 一下就行了。然后就是等候通过，我当时等了大概2个小时。

　　2. 开启实例

　　打开 EC2 控制面板，如下：

　　然后选择左侧栏的竞价请求(如果你点击"启动实例"的蓝色按钮，你将进行正常的实例开启进去之后选择操作系统，然后一路进行下去就行，过程中需要创建并下载秘钥对)，进去之后，点击"请求竞价实例"的蓝色按钮。然后开始填写，其中AMI选择你想要的(选择Windows系统时一定要带有桌面!)，其他按如下填写就行：

　　然后进入下一页，EBS 卷大小选大一点，比如500G，如果你选的 Windows 系统那就是 C 盘的大小。你也可以再添加其他卷(盘)。接下来 "密钥对名称" 那一栏，没有的话就创建一下，然后下载保存好，后面会用到。"安全组" 一栏可以 default 或者创建一个。 "有效时间" 自己决定就好，反正中途可以自行结束。然后点击审核按钮，然后点击启动。然后你会看到如下页面：

　　看到状态激活后，点击红框框里的东西，然后你会看到如下页面(刚开始会进行2轮状态检查，全部通过后就是下面这张图)：

　　一旦状态检查通过后，便开始计费了(不足一小时按一小时计费)。下面就可以进行远程桌面连接了。

　　Note: 竞价实例虽然便宜，但是一旦开启后不能停止，只能终止，一旦终止所有的在远程系统上的配置、数据都将清空，你只能重新开启一次竞价请求。在开启实例之前，如果你有无法从网上直接下载的数据，那么一定要在开启实例之前把所有数据传到网上(如 Google drive 或者 Dropbox 或者百度盘)，然后在服务器上下载这些数据，以节省开支。

　　3. 远程桌面连接

　　点击上面那张图里的 "连接" 按钮，然后下载远程桌面连接程序，顺便获取一下登陆密码，这时就需要用到之前下载的秘钥对。运行远程桌面连接程序，选择Administrator，然后输入密码。连接成功后，你就可以远程控制服务器了(桌面上的 Chrome，NV 和 Pycharm 都是我后装的)：

　　4. 深度学习环境配置(Windows 10)

　　由于我的主机是 Windows 10 系统，所以我就介绍一下 Windows 10 下 GPU版的 Tensorflow + keras 的安装。

　　Step 1: 安装 Python 3.5.2

　　Step 2: 安装 Visual Studio 2015 (C++ 部分就行)

　　Step 3: 安装 CUDA Toolkit 8.0(假设安装路径为： C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v8.0)

　　Step 4: 下载库 cuDNN v5.1，然后将里面的三个文件夹复制到上一步的路径里，如下：

　　Step 5: 环境变量，确保如下就行：

　　Step 5: 安装 Anaconda，然后如下：

　　创建 conda 环境，命令行里输入： conda create -n tensorflow-gpu python=3.5.2

　　激活环境：activate tensorflow-gpu

　　安装 Tensorflow：pip install tensorflow-gpu

　　安装 Keras：pip install keras

　　Step 6: 安装 Python IDE，如 Pycharm。

　　小结：相信最后大家阅读完毕本篇文章，肯定学到了不少知识吧?其实大家私下还得多多自学，当然如果大家还想了解更多方面的详细内容的话呢，不妨关注课课家教育平台，在这个学习知识的天堂中，您肯定会有意想不到的收获的!