floydhub亦步亦趋使用记录

基于Windows平台
1、 首先注册一个Floydhub账号，要绑定信用卡，然而我跳过了……于是就无法享受100小时（?）的免费时间，如果需要的话后面再绑定吧。
2、 在本地cmd窗口下 pip install -U floyd-cli
3、 执行命令：floyd login
4、 现在已经变成跳转到浏览器，手动输入账号密码登录了

5、 平台可以自行上传代码，但是我决定从github上克隆线程的代码，该实验是用 train.py 来训练 CNN 进行数字分类
Cmd命令：git clone https://github.com/floydhub/quick-start.git

（在这个步骤之前，记得安装git 和配置环境，不然无法使用git命令，我在这里踩了一次坑）

6、 克隆到了“quick-start”目录下，于是：cd quick-start
7、 使用命令：dir 查看目录中包括的文件
8、 如前所述，使用train.py来训练 CNN 进行手写数字分类（使用MNIST数据集）。
在这个文件所在的路径初始化我们的项目：floyd init quick-start

然后会弹出一个网页，让创建新的project

输入Project name后，保存。回到命令行窗口，如提示所说，在命令行窗口输入刚刚保存的Project名称。

9、 我们实验中所要用到的数据 MNIST 存储在：https://www.floydhub.com/mckay/datasets/mnist，Floydhub提供该数据集，不需要另外下载。
10、 输入并运行代码：floyd run
这一步之后会显示，没有可用的时长，需要powerup
于是我就绑定了信用卡，获得了20小时的CPU使用时长和2小时（并没有一百小时）的GPU使用时长
11、 测试代码：

floyd run  --gpu  --data mckay/datasets/mnist/1:/mnist --env tensorflow-1.3  "python train.py"

线程日志查看程序运行情况：
查看线程日志可以在cmd窗口输入命令（上一图的最后一行），也可以在线查看，https://www.floydhub.com/(User Name)/projects/(Project Name)/(Number)

提取MNIST数据库内容

最终，训练后的分类精确度达到0.96

本实验是使用了github上现成的代码，和floydhub所提供的现成数据库。也可以自己上传代码和数据来体验。
floydhub速度挺快的，需要排队的情况也比较少，就是给定时长用完后，真的很贵。