1.前言
随着GPU的发展,人工智能的诸多领域在性能上得到了质的飞跃。尤其是对于目前异常火爆的计算机视觉(CV)方向,更是离不开GPU的参与。
现实生活中,我们常常因为贫穷而买不起高性能的GPU。因此我们就需要一台远程的GPU服务器来帮助我们跑跑算法模型。
本文中,我们假设自己有一台远端的GPU服务器。
2.配置
首先我们先新建一个Project。进入File->Setting,选择项目下的Project Interpreter。
![](https://img.laitimes.com/img/__Qf2AjLwojIjJCLyojI0JCLicmbw5yM4MDOlhzN5MGOhZGMykjYmNmM5YjY5IDOxMzNyQTN08CX0JXZ252bj91Ztl2Lc52YucWbp5GZzNmLn9Gbi1yZtl2Lc9CX6MHc0RHaiojIsJye.png)
展开show all界面,点击添加按钮。
选择SSH解释器,输入想象的服务器地址和用户名。
此时如果用户名密码都正确,那就已经连接成功啦。下一步再解释器地址一栏里选择正确的解释器路径。
选择Tool->的deployment
选择服务器上对应的工程路径。
跑一个MNIST的CNN试试速度,按照如下的轮数运行。
model.fit(X_train,Y_train,nb_epoch=5,batch_size=1000)
00/60000 [==============================] - 15s - loss: 0.6707 - acc: 0.8148
在我机器上的一轮需要1分半,这里只需要十五秒。加速还是比较可观的!