深度学习小分类,深度学习入门吧,实验要用到机器学习,所以收集的资料在这里汇总一下
早先在做实验时，一直使用的是Google Cloud Platform中的K80 GPU来训练条件生成对抗网络，费用有些高，由于参数需要频繁的修改，几个实验下来Google赠送的300美元基本上就花的差不多了。Google Cloud TPU的出现则可以大大加速训练过程，不过花费同样不秀气。
详细的使用文档可以直接到这里查阅：
https://cloud.google.com/tpu/docs/?hl=zh-Cn
由于花费比较昂贵，建议先用CPU或是GPU做一次实验之后，确保代码可以正常运行之后，再通过TPU来进行训练，以免浪费不多的Google赠送配额。
目前美国的TPU资源价格是6.5美元每小时，欧洲为7.15美元，亚太地区则更高，选择美国的最为划算。好在是以秒为增量单位来计价的，详细费用清单请参考：https://cloud.google.com/tpu/docs/pricing?hl=zh-Cn
Tensorflow是我接触阿里云PAI平台使用的第一个框架,不过在实现的时候,走了一些弯路,在这里分享出来,希望能有参考价值.
问题主要出在，demo中给的文件，要严格按照路径和文件名来存储，否则怎么都无法成功。
需要check_point cifar-10-batches-py predict_code train_code 四个文件夹，分别用来存训练结果、cifar数据、预测代码、训练代码。
具体内容可以参考我的github
https://github.com/hutcs/pai_tensorflow_cifar/
除了cifar数据太大以外，其他的都上传到了github中。
其详细参数如下：
Python代码文件
选择train_code目录下的cifar_pai.py 文件
Python主文件
留空即可
数据源目录
选择cifar-10-batches-py文件夹
配置文件超参及用户自定义参数
留空
输出目录
选择check_point文件夹
执行调优
根据自己需要，这个demo选择1即可，不需要太多的GPU资源来处理。
Python代码文件
predict_code目录下的 cifar_predict_pai.py文件
Python主文件
留空即可
数据源目录
选择cifar-10-batches-py文件夹
配置文件超参及用户自定义参数
留空
输出目录
选择check_point文件夹
在logview中可以查看预测结果
另外，由于这个demo只是测试，所以预测的准确率比较低。
阿里云项目地址如下：
https://yq.aliyun.com/articles/72841?spm=5176.100239.0.0.bdr9iz
阿里云Pai平台深度学习框架支持caffe mxnet tensorflow三种,caffe和tensorflow阿里云官方都给出了demo,我在复现实验时,遇到了一些小问题,特别是caffe实现ciffar图像分类时,所以在这里将自己遇到的一些问题与大家分享出来.
我把所有的数据都在github上备份了一份，地址：
https://github.com/hutcs/Pai_Caffe_cifar10
caffe图像分类前，要先转换图像类型，如下图
先转换训练数据集
图片列表文件OSS路径
oss://dl-images.oss-cn-shanghai-internal.aliyuncs.com/cifar10/caffe/images/cifar10_train_image_list.txt
文件前缀
train
resize_height
32
resize_width
32
编码类型
jpg
输出oss目录
oss://hutcs.oss-cn-shanghai-internal.aliyuncs.com/cifar/train/
shuffle 勾选
image mean 勾选
文件前缀和输出目录的具体位置，请根据自己的位置更改
训练测试数据
图片列表文件OSS路径
oss://dl-images.oss-cn-shanghai-internal.aliyuncs.com/cifar10/caffe/images/cifar10_test_image_list.txt
文件前缀
test
resize_height
32
resize_width
32
编码类型
jpg
输出oss目录
oss://hutcs.oss-cn-shanghai-internal.aliyuncs.com/cifar/test/
shuffle 勾选
image mean 勾选
文件前缀和输出目录的具体位置，请根据自己的位置更改
我的bucket名字为hutcs
这个实验我存储在了cifar文件夹下，训练数据生成之后，存在了train目录下，测试数据转换之后存放在了test文件夹下。
格式转换之后，在train目录下生成train_file_list.txt train_mean.binaryproto 两个文件
在test目录下生成test_file_list.txt test_mean.binaryproto 两个文件
caffe下的net.prototxt文件和solver.prototxt 可以直接到刚才我提到的github项目里下载
举个粒子 hutcs/cifar/train/train_mean.binaryproto
这一处，hutcs是bucket的名字，在net.prototxt和solver.prototxt文件中，不用加那一串oss:// 的具体地址。
下午要用Matlab做图像处理，下载了Matlab 2016b的安装包之后，开始安装，“sudo ./install” 无论如何都失败，找了一些文章，方法都有问题。
运行install之后，Terminal中闪过以下几个代码之后：
Preparing installation files …
Installing …
Finished
直接就Finished了，显然安装失败。
我尝试了kesudo ，失败。最后，在blogspot中找到了解决方法。
其实还是权限的问题导致。
可能会改好install，install_unix的权限到x，但是还有一处也要改。
sys/java/jre/glnxa64/jre/bin 目录下的java也要改权限。
找到sys/java/jre/glnxa64/jre/bin目录下的java后
sudo chmod +x java
再回到install目录下，sudo ./install 即可顺利安装。
方法出处如下：
http://thenameoffreedom.blogspot.com/2014/09/how-to-install-matlab-2012-on-ubuntu.html