【草稿】实验室新手HandBook

PS：本文旨在给初入CV领域实验室的新手一个可供参考的学习列表，使得能够快速熟悉常用且必要的工具。😀

1. Linux基本命令行使用

参考1：初窥Linux 之 我最常用的20条命令

参考2：数据科学家必备！12个基本命令行工具帮你摆脱鼠标

 

2. 如何远程连接服务器

在OS X系统和Ubuntu系统中，只需在Terminal中输入：

ssh username@hostname -p port

如 ssh bert@example.com -p 6000

其中-p port（端口号）不是必需的

然后按照提示输入密码（密码一般不显示出来）即可连接到远程服务器，之后则像正常的Ubuntu系统一样使用。更多使用方法可参考：Linux 下 SSH 命令实例指南

在SHELL中只能发送命令给远程服务器，如果想要传输文件，则需要下载FileZilla

 

在Windows系统中，推荐下载Xftp+Xshell，也有师兄推荐mobaxterm

Xftp用于传输文件，Xshell用于发送指令，但是都是收费软件（不建议在实验室使用破解版等非官方软件，可能会造成服务器遭到攻击）

推荐使用mobaxterm，同时包含传输文件和发送指令的功能，而且是免费的！

 

3. 如何使用TMUX

当你远程连接上服务器后，如果运行了一个对深度网络的训练程序，这时每次的训练过程可能需要数个甚至数十个小时。在这个过程中，远程连接的程序可能会因为各种原因而和服务器断开，你正在执行的训练任务也会被迫中断。

如果能有一种工具，使得在服务器上运行一个类似于“虚拟机”那样的程序，你的深度网络的训练任务可以放在“虚拟机”中运行，每次当你想断开与服务器的远程连接时，并不会断开“虚拟机”中正在运行的程序；下一次连接上服务器后，只需进入“虚拟机”即可立刻回到之前的工作状态，仿佛并没有断开过连接。

这个优秀的工具便是TMUX

  1. TMUX官网
  2. 对TMUX的介绍、安装及使用方法（快捷键版本）
  3. TMUX使用方法（手动输入命令版本）+用户自定义设置方法

实验室的部分服务器已经安装过了TMUX，若要进行自定义修改：

vi ~/.tmux.config

这个文件保存了当前用户对TMUX的设置。具体含义及如何更改，见上面的第三个链接。

 

4. 如何使用GIT

Git是一个非常方便的版本控制系统（注意区分其与Github），可以保存你的代码的历史版本，可以方便的回退到历史版本，还可以随时同步代码到远程仓库中，方便共享和协作。

目前见到的非常非常清晰的一个Git教程（作者关于别的方面的教程貌似也很不错）

Git简介—廖雪峰的网站

如果遇到了代码原本挺正常的，然后被自己改出了BUG，还忘了怎么改回去……那太难受了，快使用Git吧！ʕ •ᴥ•ʔ

 

5. Python快速上手教程

 Python是目前极为常用的语言，这里有一个快速上手的教程（是CS231N的一部分），对新手较为友好

英文版：Python Numpy Tutorial （推荐）；；；中文版

 

6. CS231n Convolutional Neural Networks for Visual Recognition

一个计算机视觉的经典课程，是一门由李飞飞执教的斯坦福大学公开课

可以让你快速了解什么是CNN（卷积神经网络）、计算机视觉的发展史、计算机视觉+深度学习的常用工具等等

课后作业建议好好写

相关资源：

课程主页：http://cs231n.stanford.edu/

教学安排及大纲：http://vision.stanford.edu/teaching/cs231n/syllabus.html （建议每次从这个页面开始进入学习）

中文资源：[斯坦福CS231n课程整理] Convolutional Neural Networks for Visual Recognition（附翻译，作业）

中文资源[Newest!]: 

 

 7. 如何远程使用主机

如果在家想连接实验室使用的台式主机，应该使用什么远程工具呢？
主要工具有三种：
  1. TeamViewer: https://www.teamviewer.com/zhcn/download/windows/
    • 全平台支持：Windows、MAC、iOS、Android、Linux
    • 免费，可以在手机端控制电脑，非常方便
    • 所有设备全部登陆自己的账号，即可自由连接
  2. VNC: 需要安装服务器端和客户端，支持更广，甚至包括树莓派（其实也是Linux内核）
    • TeamViewer必须联网使用，局域网内不支持；VNC则局域网内也可以使用
  3. Microsoft Remote Desktop: 专门用于连接Windows电脑（需要有独立IP，不是十分推荐），同样有手机和MAC、Windows版本

 8. 如何快速实现深度学习中自己对神经网络的想法

目前TensorFlow是深度学习领域的一个常用框架，但是这个框架的许多代码过于偏底层——实现一个很小的功能也需要很多行代码才能实现
而有很多高级API将TensorFlow的特性进行了封装，可以通过简单的几行命令就能实现以往上百行的功能，这里推荐两款高级API

注意：高级API的速度没有原生的快，所以，仅推荐做初步学习使用，实际准备发表论文时，还是最好用原生API

Keras：基于Python的深度学习库

Keras是一个高层神经网络API，Keras由纯Python编写而成并基Tensorflow、Theano以及CNTK后端。Keras 为支持快速实验而生，能够把你的idea迅速转换为结果，如果你有如下需求，请选择Keras：

  • 简易和快速的原型设计（keras具有高度模块化，极简，和可扩充特性）
  • 支持CNN和RNN，或二者的结合
  • 无缝CPU和GPU切换

最近，Keras已经正式被TensorFlow官方接纳为正式的API，相信越来越多的人会去使用这个工具

TFLearn: Deep learning library featuring a higher-level API for TensorFlow.

另一个推荐的高级API是TFlearn，也是我之前学习过的一个工具

其中Get Started一节，能够手把手的教会你如何训练一个简单的神经网络

目前只有英文版，链接：http://tflearn.org/

同样非常建议学习！

 

 

据说TF太慢了，师兄推荐PyTorch，可以参考：https://zhuanlan.zhihu.com/p/29024978

 

posted on 2018-01-30 10:48  Oliver-cs  阅读(683)  评论(0)  编辑  收藏  举报

导航