PyTorch 快速安装 - 基于 JupyterHub 并运行 K8s

运行 PyTorch 可以直接逻辑运行、容器中运行、KubeFlow 中运行以及基于 JupyterHub（独立运行或运行在 K8s 之上）等多种模式。这里介绍运行在 K8s 上基于 JupyterHub 的 PyTorch 方法，这也是运行在云计算环境的推荐方法。如果需要使用 GPU，则需要安装 NVidia 或 AMD 的 Kubernetes 下容器 GPU 支持，宿主机也必须同时安装 GPU 驱动。

• pytorch 官网资源

  • https://pytorch.org
  • https://pytorch.org/tutorials
  • https://github.com/pytorch/pytorch

• 深度学习引擎 - PyTorch 资源集锦

  • https://my.oschina.net/u/2306127/blog/3019985

安装 kubernetes 的支持

• PyTorch 支持 Kubernetes 集群，https://my.oschina.net/u/2306127/blog/1817835

• Kubeflow 使用指南，https://my.oschina.net/u/2306127/blog/1808582

• pytorch-operator 项目源码，https://github.com/kubeflow/pytorch-operator

• pytorch-operator on Kubernetes，https://my.oschina.net/u/2306127/blog/1811457

• 镜像构建 - iObjects Python with JupyterHub for K8s, https://my.oschina.net/u/2306127/blog/3071384

• GPU 支持的安装

  • Kubernetes 集群升级 NVidia GPU 驱动版本
  • Kubernetes 中调度 GPU 资源
  • Ubuntu 快速玩转机器学习
  • Ubuntu18.04 上安装 RTX 2080Ti 显卡驱动

安装 JupyterHub/JupyterLab 支持

conda install numpy
conda install scikit-imageconda install pytorch torchvision cudatoolkit=10.0 -c pytorch
# or: conda install pytorch-cpu torchvision-cpu -c pytorchconda update --all

开始使用

获取教程数据：

• https://download.pytorch.org/tutorial/faces.zip

使用 Notebook：

# 导入支持库
import torch # 确认CUDA支持及其版本
print(torch.version.cuda)

10.0.130

# 查看pytorch帮助
help(torch)

Help on package torch:NAMEtorchDESCRIPTIONThe torch package contains data structures for multi-dimensionaltensors and mathematical operations over these are defined.Additionally, it provides many utilities for efficient serializing ofTensors and arbitrary types, and other useful utilities.It has a CUDA counterpart, that enables you to run your tensor computationson an NVIDIA GPU with compute capability >= 3.0.PACKAGE CONTENTS_C_dl_jit_internal_nvrtc_ops_six_storage_docs_tensor_docs_tensor_str_thnn (package)_torch_docs_utils_utils_internalautograd (package)backends (package)contrib (package)cuda (package)distributed (package)distributions (package)for_onnx (package)functionalhubjit (package)multiprocessing (package)nn (package)onnx (package)optim (package)randomserializationsparse (package)storagetensortesting (package)utils (package)version......

最后

为了帮助大家更好的学习人工智能，这里给大家准备了一份人工智能入门/进阶学习资料，里面的内容都是适合学习的笔记和资料，不懂编程也能听懂、看懂，所有资料朋友们如果有需要全套人工智能入门+进阶学习资源包，可以在评论区或扫.码领取哦）~

在线教程

• 麻省理工学院人工智能视频教程 – 麻省理工人工智能课程
• 人工智能入门 – 人工智能基础学习。Peter Norvig举办的课程
• EdX 人工智能 – 此课程讲授人工智能计算机系统设计的基本概念和技术。
• 人工智能中的计划 – 计划是人工智能系统的基础部分之一。在这个课程中，你将会学习到让机器人执行一系列动作所需要的基本算法。
• 机器人人工智能 – 这个课程将会教授你实现人工智能的基本方法，包括：概率推算，计划和搜索，本地化，跟踪和控制，全部都是围绕有关机器人设计。
• 机器学习 – 有指导和无指导情况下的基本机器学习算法
• 机器学习中的神经网络 – 智能神经网络上的算法和实践经验
• 斯坦福统计学习

😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
​

人工智能书籍

• OpenCV（中文版）.(布拉德斯基等)
• OpenCV+3计算机视觉++Python语言实现+第二版
• OpenCV3编程入门 毛星云编著
• 数字图像处理_第三版
• 人工智能:一种现代的方法
• 深度学习面试宝典
• 深度学习之PyTorch物体检测实战
• 吴恩达DeepLearning.ai中文版笔记
• 计算机视觉中的多视图几何
• PyTorch-官方推荐教程-英文版
• 《神经网络与深度学习》(邱锡鹏-20191121)
• …
  
  😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
  ​

第一阶段：零基础入门（3-6个月）

新手应首先通过少而精的学习，看到全景图，建立大局观。 通过完成小实验，建立信心，才能避免“从入门到放弃”的尴尬。因此，第一阶段只推荐4本最必要的书（而且这些书到了第二、三阶段也能继续用），入门以后，在后续学习中再“哪里不会补哪里”即可。

第二阶段：基础进阶（3-6个月）

熟读《机器学习算法的数学解析与Python实现》并动手实践后，你已经对机器学习有了基本的了解，不再是小白了。这时可以开始触类旁通，学习热门技术，加强实践水平。在深入学习的同时，也可以探索自己感兴趣的方向，为求职面试打好基础。

第三阶段：工作应用

这一阶段你已经不再需要引导，只需要一些推荐书目。如果你从入门时就确认了未来的工作方向，可以在第二阶段就提前阅读相关入门书籍（对应“商业落地五大方向”中的前两本），然后再“哪里不会补哪里”。

😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
​