在整个机器学习的过程中,配置环境一直是一个比较复杂的事情,今天介绍几种根据英伟达官方文档来配置环境的方法. 安装方案 https://gitlab.com/nvidia/container-images/cuda/ 国内同步镜像:https://gitee.com/zionfuo/cuda 安装脚本在dist目录下 选择cuda的版本号 矩池云上cuda8/cuda9使用的是ubuntu16.04,cuda10及以上都是ubuntu18.04 base:cuda安装方式 devel:nvcc等安

可以用下面的命令查看 cat /usr/local/cuda/version.txt 如果想用nvcc来查看可以用下面的命令 nvcc -V 如果环境内没有nvcc可以安装一下,教程是矩池云上如何安装nvcc 很多人会问为什么nvidia-smi里面的cuda会不一样,接下来我来介绍一下 可以看到环境内的CUDA 版本是10.2,而nvidia-smi的CUDA版本是10.0.很奇怪的是有时候绝大多数情况代码也能整成跑起来,stackoverflow上的一个解释如下: CUDA有两个主要的API

温馨提示:本案例只作为学习研究用途,不构成投资建议. 比特币的价格数据是基于时间序列的,因此比特币的价格预测大多采用LSTM模型来实现. 长期短期记忆(LSTM)是一种特别适用于时间序列数据(或具有时间 / 空间 / 结构顺序的数据,例如电影.句子等)的深度学习模型,是预测加密货币的价格走向的理想模型. 本文主要写了通过LSTM进行数据拟合,从而预测比特币的未来价格. import需要使用的库 import pandas as pd import numpy as np from sklearn

简介 nvidia-smi全称是NVIDIA System Management Interface ,它是一个基于NVIDIA Management Library(NVML)构建的命令行实用工具,旨在帮助管理和监控NVIDIA GPU设备. 详解nvidia-smi命令 接下来我介绍一下,用nvidia-smi命令来查询机器GPU使用情况的相关内容.​ nvidia-smi 我以上图的查询内容为例,已经复制出来了,如下, (myconda) root@8dbdc324be74:~# nvid

这里我是用PyTorch 1.8.1来安装的 拉取仓库 官方仓库 git clone https://github.com/AlexeyAB/darknet 镜像仓库 git clone https://github.com.cnpmjs.org/AlexeyAB/darknet.git 安装opencv apt-get update apt-get install libopencv-dev -y 修改Makefile 在 /darknet/ 目录下找到 Makefile 进行修改 GPU=1

Host Name(主机名):hz.matpool.com 或 hz-t2.matpool.com,请以您 SSH 中给定的域名为准. Port(端口号):矩池云租用记录里 SSH 链接里冒号后的几位数字,例如 42799. Specify username(用户名):root 最后选择ok 链接完成.

Tensorflow用户使用TensorBoard 矩池云现在为带有Tensorflow的镜像默认开启了6006端口,那么只需要在租用后使用命令启动即可 tensorboard --logdir logs --bind_all 或者 tensorboard --logdir logs 其中 logs 是 TensorBoard 的日志输出路径,您可以将其修改为您自己的路径. # 案例如下 tensorboard --logdir /mnt/logs/log --bind_all Pytorch用

PuTTY 是一款开源的连接软件,用来远程连接服务器,支持 SSH.Telnet.Serial 等协议. 矩池云的主机支持 SSH 登录,以下为使用 PuTTY 连接矩池云 GPU 的使用教程. 如您使用 Xshell.SSH Secure Shell 等其他 SSH 协议的工具,也可参考本文. 在开始之前,请先租用一台矩池云机器. 矩池云租用教程请移步 矩池云租用教程. 矩池云提供网盘存储服务,您可先将数据集和脚本文件打包上传至网盘,提高上传速度,还能节省费用. 本教程使用密码登录方式连接 G

Visual Studio Code(以下简称 VS Code)是一个由微软开发的代码编辑器.VS Code 支持代码补全.代码片段.代码重构.Git 版本控制等功能. VS Code 现已支持连接远程服务器功能,只要您本地安装有 SSH 程序,您就可在 VS Code 中,连接矩池云的机器. 矩池云租用教程 首先,您需要租用一台矩池云的 GPU. 矩池云租用教程请移步 矩池云租用教程. 矩池云提供网盘存储服务,您可先将数据集和脚本文件打包上传至网盘,提高上传速度,还能节省费用. 安装 VSCo

今天给大家介绍提升方法(Boosting), 提升算法是一种可以用来减小监督式学习中偏差的机器学习算法. 面对的问题是迈可·肯斯(Michael Kearns)提出的:一组"弱学习者"的集合能否生成一个"强学习者"? 弱学习者一般是指一个分类器,它的结果只比随机分类好一点点.强学习者指分类器的结果非常接近真值. 大多数提升算法包括由迭代使用弱学习分类器组成,并将其结果加入一个最终的成强学习分类器.加入的过程中,通常根据它们的分类准确率给予不同的权重.加和弱学习者之后

在上一次肺炎X光片的预测中,我们通过神经网络来识别患者胸部的X光片,用于检测患者是否患有肺炎.这是一个典型的神经网络图像分类在医学领域中的运用. 另外,神经网络的图像分割在医学领域中也有着很重要的用作.接下来,我们要演示如何在气胸患者的X光片上,分割出气胸患者患病区的部位和形状. 那么就让我们来正式开始了. 第一步:导入需要的 Python 包 import sys import cv2 import pydicom import numpy as np import pandas as pd

在 Disco Diffusion 官方说明的第一段,其对自身是这样定义: AI Image generating technique called CLIP-Guided Diffusion.DD 是通过 CLIP 来进行图文匹配,引导 AI 进行图像生成的技术,通过 Diffusion 持续去噪去生成图像的,而在整个过程中,CLIP 不断地评估图像和文本之间的距离,来为生成图像的整体方向进行指导,最终就体现为"输入文字-生成图画",因此我们便可以通过文字来引导AI生成艺术风格图片.

作为NLP领域的著名框架,Huggingface(HF)为社区提供了众多好用的预训练模型和数据集.本文介绍了如何在矩池云使用Huggingface快速加载预训练模型和数据集. 1.环境 HF支持Pytorch,TensorFlow和Flax.您可以根据HF官方文档安装对应版本,也可以使用矩池云HuggingFace镜像(基于Pytorch),快速启动. 矩池云租用机器入门手册 如果使用其他镜像,你需要手动安装 transformers 和 datasets 两个包: pip install tr

这是 CVPR 2018 的一篇少样本学习论文:Learning to Compare: Relation Network for Few-Shot Learning 源码地址:https://github.com/floodsung/LearningToCompare_FSL 环境选用 Tensorflow 1.4 因为他是 cuda8 的. 切换conda源 bash /public/script/switch_conda_source.sh 创建虚拟python环境 conda creat

矩池云隐藏了很多高级功能待用户去挖掘. 租用机器 进入jupyterlab 设置vnc密码 VNC_PASSWD="userpasswd" ./root/vnc_startup.sh 这里我选择的密码是userpasswd,密码很重要,自己设置一个复杂一点的密码,带入到userpasswd里面. 查看vnc进程 ps aux | grep vnc 打开本地的cmd 输入命令启动 ssh -p 你的端口 -NL 5901:localhost:5901 root@hz.matpool.co

https://github.com/kinfkong/ikatago-resources/tree/master/dockerfiles 从作者的库中可以看到,该程序支持cuda9.2.cuda10.cuda10.1.cuda10.2.cuda11.1等镜像,矩池云上的镜像基本上都可以满足他的要求,可以任意选用. 案例:用的cuda10.2的镜像 利用脚本安装 cd ~; /bin/bash -c "$(curl -fsSL https://ikatago-resources.oss-cn-b

方法一(简单) 矩池云上的k80因为内存问题,请用其他版本的GPU去进行编译,保存环境后再在k80上用. 准备工作 下载dlib的源文件 进入python的官网,点击PyPi选项,搜索dilb,再点击release,便可以下载dlib的任何版本的源文件. 下载网站:https://pypi.org/project/dlib/#history 下载后上传到矩池云的网盘,可以查看矩池云怎么上传文件夹? 切换源 sh /public/script/switch_apt_source.sh 安装依赖 a

FinRL-Libray 项目:https://github.com/AI4Finance-LLC/FinRL-Library 选择FinRL镜像 在矩池云-主机市场选择合适的机器,并选择FinRL-Library镜像. 登录服务器 在租用列表中查看服务器信息,有两种连接登录方式. JupyterLab登录: 浏览器访问JupyterLab链接. 进入FinRL-Library目录,选择相应的程序运行. 运行*.ipynb 选择相应的ipynb文件(如FinRL_ensemble_stock_t

先使用 Xshell 连接矩池云 GPU服务器,可以查看教程. 要在base环境下执行,用下面命令 conda deactivate ps -aux | grep jupyter 我这个进程是616 kill -9 616 pip install -U jupyterlab 查看自己的 token 并运行 jupyter 进程 nohup jupyter lab --notebook-dir=/ --allow-root --no-browser --NotebookApp.token=${YO

矩池云将 keras 预训练模型保存目录为 /public/keras_pretrained_model/ 使用方法: 先执行命令,创建目录 mkdir -p ~/.keras/models/ 然后将预训练模型复制进去. 但是其中因为cifar-10的特殊之处所以只有cifar-10这个数据集需要对它进行改名才能正常使用 cp /public/keras_datasets/cifar-10-python.tar.gz ~/.keras/datasets/cifar-10-batches-py.t