接着上文VS Tools for AI全攻略，我们来讨论如何使用Azure资源来训练我们的tensorflow项目。Azure云我个人用得很多，主要是因为微软爸爸批了150刀每月的额度，我可以愉快地玩耍。
那么针对Azure，有成套的两个方案解决问题。
方案一（比较有钱的、对速度要求高的）：使用Deep Learning Virtual Machine - NC系列虚拟机
这个是真贵……具体配置方案如下：
首先你得有一个Azure。这一段不讲。
然后进入你的Azure Portal，新建一个这样的虚拟机：
根据云虚拟机的一般情况，你可以在创建虚拟机的时候用密码创建，然后使用XShell生成RSA密钥对，使用SSH远程连接。一般来说SSH连接都是更加主流且常见的连接方式。
之后选择配置。
别急着说贵，必要情况下，这个GPU好到足以撑起整个实验室。请看配置：
看到K80，你就会瞬间觉得这个价格无比良心了。
但是对于那些个人用户来说，肯定是用不到这么高端的配置的。对于这些个人用户，该怎么做呢？
现在我们需要一种穷人的方法来搭建好Azure虚拟机。
思路很简单，因为AI组件的原理其实是传送了script文件和命令上去，那么我们这个虚拟机只要做好了所有的配置，那么我们就可以将它当作深度学习虚拟机来用了。
写到这里，我忍不住哀叹一声。买不起外置显卡的穷人，只能绞尽脑汁想这种省钱的办法。
新建一个Ubuntu 16.04LTS虚拟机。当然选择Windows虚拟机也是可以的，只是不太主流。
选择存储之后，使用XShell远程连接虚拟机（这样比较方便）。
注意此时的虚拟机，GPU约等于没有，所以我们不得不运行CPU版本。所以这个虚拟机的性能会比较差，但是虚拟机此时也可以拿来用作其他事情，比如当作私有云盘，或者是tizi。
具体的安装步骤可以查看http://www.cnblogs.com/ldzhangyx/p/7624771.html，这篇博文主要讲述了如何deploy你的虚拟机，并且安装好TensorFlow环境。注意，与那篇文章有些区别的是，Azure虚拟机一般情况下不能带动CUDA，所以我们需要做的仅仅是：
1，安装Python3
2，安装TensotFlow及必要的依赖库（如pandas），这个依赖库的列表可能很长，所以也可以安装Anaconda来做到一次性配置。
TIPS：一定要安装好所有的依赖库，具体的列表可以通过报错信息确定。
下面的操作以Ubuntu版本为准，Windows版本的配置方法类似。
我们打开VS installer，安装Azure SDK。
安装完成之后的主要步骤参见：https://github.com/Microsoft/vs-tools-for-ai/blob/master/docs/tensorflow-vm.md
这里做出中文的说明。
1，打开你的解决方案。
2，选择服务器资源管理器，使用SSH连接好你的虚拟机。（记得提前给你的虚拟机设置静态IP）
连接完成之后你可以发现Remote machine里多了你的虚拟机。你可以点进去看看你虚拟机的文件。
3，提交一个Job。
在解决方案管理器里提交job，有几个参数需要注意一下：
cluster是你的虚拟机名字。在第三行有一个Job Name必须写，你选一个自己喜欢的名字就好，作为job的区分标识。
下面这些参数有些复杂，但是如果你直接提交的话，将会报类似的错误。
点击这里查看所有的Jobs：
如果你选择了Python2/3双版本共存，可能会出现这样的错误：
原因出在这里：
如果我们在Summit的时候填写的是python，那么虚拟机会执行python tensorflowapplication.py这一条指令。
而我们之前为了方便，安装了Python3使得两版本共存，那么python调用的其实是python2.要使虚拟机调用Python3，我们只需要这么修改：
这样我们就可以使用Python3了。
提交，查看结果：
如果你要在执行的时候指定一些参数，也是在类似的地方进行调整
相关文章：
-
认识微软Visual Studio Tools for AI
-
微软Connect(); 2017大会梳理：Azure、数据、AI开发工具
原文：http://www.cnblogs.com/ldzhangyx/p/7967500.html
.NET社区新闻，深度好文，欢迎访问公众号文章汇总 http://www.csharpkit.com
