服务器 jupyter 虚拟,服务器运行 jupyter notebook

学习一时爽，一直学习一直爽

Hello，大家好，我是 もうり，一个从无到有的技术+语言小白。https://blog.csdn.net/weixin_44510615/article/details/102847166我是人见人爱，花见花开，车见车不撞我的毛利様真臭不要脸，明明就是只会吹逼的大叔最近老是叫我大叔，我是大叔吗？

明明就是好小伙，虽然长得丑了那么一丢丢今天教大家服务器运行 jupyter notebook跑深度学习这个高大厦，又很沙雕的东西买一台服务器装下逼

虚拟环境

不建议 win10mkvirtualenv -p /usr/bin/python3.6 deeplearn

workon deeplearn

pip install tensorflow

pip install jupyter

然后vim ~/.jupyter/jupyter_notebook_config.py

改下c.NotebookApp.ip = '0.0.0.0'

c.NotebookApp.open_browser = False

c.NotebookApp.port = 8888

c.NotebookApp.password = ''

然后关关防火墙，让 ssh 通下root@VM-0-5-ubuntu:~# firewall-cmd --state

running

root@VM-0-5-ubuntu:~# systemctl stop firewalld.service

root@VM-0-5-ubuntu:~# systemctl disable firewalld.service

Synchronizing state of firewalld.service with SysV service script with /lib/systemd/systemd-sysv-install.

Executing: /lib/systemd/systemd-sysv-install disable firewalld

Removed /etc/systemd/system/dbus-org.fedoraproject.FirewallD1.service.

打开 jupyter notebook

打开浏览器，跑起来

也可以将服务器换成本地的，vm 建立一个隧道

这些配置简单

本地打开没问题

搞定了，我当然来复习 tfboys，虽说 tf 更到 2.0，不与 1.0 接融，但是 tf2.0 更简单了官网 ：http://www.tensorfly.cn/TensorFlow 是一个用于人工智能的开源神器有人说 tf 难？难个毛线，凡是 py 都是 so easy看看下面的手写 mnits 例子，不就是使用 keras 接口吗# TensorFlow

import tensorflow as tf

print(tf.__version__)2.0.0# 加载手写数字集

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()

from matplotlib import pyplot as plt

%matplotlib inline

plt.imshow(x_train[0])

# 缩放

x_train, x_test = x_train / 255.0, x_test / 255.0# 使用tf的接口keras

model = tf.keras.models.Sequential([

# (28, 28,1) ->(28, 28)

tf.keras.layers.Flatten(input_shape=(28, 28)),

# 128 神经元个数

tf.keras.layers.Dense(128, activation='relu'),

# 防止过拟合

tf.keras.layers.Dropout(0.2),

# 分类 10份

tf.keras.layers.Dense(10, activation='softmax')

])

# 多分类sparse_categorical_crossentropy

model.compile(optimizer='adam',

loss='sparse_categorical_crossentropy',

metrics=['accuracy'])# 5个epochs

model.fit(x_train, y_train, epochs=5)

model.evaluate(x_test,  y_test, verbose=2)

# [0.07285336476690137, 0.9783]Train on 60000 samples

Epoch 1/5

60000/60000 [==============================] - 8s 132us/sample - loss: 0.3024 - accuracy: 0.9125

Epoch 2/5

60000/60000 [==============================] - 6s 92us/sample - loss: 0.1457 - accuracy: 0.9564

Epoch 3/5

60000/60000 [==============================] - 5s 88us/sample - loss: 0.1095 - accuracy: 0.9672

Epoch 4/5

60000/60000 [==============================] - 5s 88us/sample - loss: 0.0900 - accuracy: 0.9730

Epoch 5/5

60000/60000 [==============================] - 6s 92us/sample - loss: 0.0745 - accuracy: 0.9769

10000/1 - 1s - loss: 0.0372 - accuracy: 0.9783

[0.07285336476690137, 0.9783]完了我好像只会吹逼啥都不会