Floyd深度学习训练平台

灰度图像上色的例子中用到了Floyd平台来训练，这就学习了一下Floyd的训练方法。

1、注册

首先到https://www.floydhub.com/注册一个账号
2、安装客户端
再安装folyd客户端，就一句命令而已：
$ pip install -U floyd-cli
3、登陆
安装好后我们需要登陆，在终端中运行命令：
$ floyd login
终端中会提示：
Authentication token page will now open in your browser. Continue? [Y/n]:
回车确认后，会打开一个网页以获取身份验证令牌：

在网页的下方，你可以找到登陆用的口令，把这个口令粘贴进终端即可，注意在这里粘贴是不会显示出来的。
This is an invisible field. Paste token and press ENTER:
登陆成功后，会提示：
Login Successful

关于数据集：

在运行Floyd计算实例时，可以指定计算所需的数据集

上传数据集操作非常简单，你可以参考官方提供的指导，只需要几条命令就可以搞定，非常方便。
http://docs.floydhub.com/home/using_datasets/

首先在网页上创建数据集，然后：

floyd data init <dataset_name>
floyd data upload

--resume 支持断点续传

更新和数据集的版本控制

同时Floyd也支持直接在云服务器上下载数据集，不过这个是要计算云服务时间的。
不管是公共数据集，还是自己的数据集，都是通过数据ID来指定的。
你可以通过以下方式查看公共数据集的内容：
$ floyd run --data GY3QRFFUA8KpbnqvroTPPW "ls -la /input"

先看tensorflow-notebook的运行，

1、Clone 项目代码到本地
$ git clone https://github.com/floydhub/tensorflow-notebooks-examples.git
2、进入项目目录
$ cd tensorflow-notebooks-examples/3_NeuralNetworks
3、初始化项目
$ floyd init neural-networks
Project "neural-networs" initialized in current directory
初始化后，Floyd会在本目录里生成一些临时文件，以便运行计算实例时，上传目录中必要的程序文件到云服务器。
4、启动一个Jupyter Notebook实例
以下命令将启动一个基于当前目录的，运行在云端的Jupyter Notebook计算实例。
$ floyd run --mode jupyter --env tensorflow-1.3:py2 --data R5KrjnANiKVhLWAkpXhNBe --gpu

通过给出的“Path to jupyter notebook”，就可以访问刚刚启动的Jupyter Notebook实例了。直接进去然后运行ipynb文件。

运行ipynb文件就可以看到运行结果。需要学习一下jupyter的用法。