附录001《 FloydHub 的入门教程》

最新推荐文章于 2025-09-16 13:52:39 发布

原创最新推荐文章于 2025-09-16 13:52:39 发布 · 241 阅读

0 ·

CC 4.0 BY-SA版权

软件开发专栏收录该内容

4 篇文章

订阅专栏

文档：《 FloydHub 的入门教程》
作者：燕志伟
时间：2020-03-02
版权：原创

前言

Floydhub 网站的组织结构与文档逻辑写得有些零碎，且分散在多处，对初学者不太友好，所以，我写这个简单的入门教程，抛砖引玉。

注册一个帐号

在官网 https://www.floydhub.com/ 注册一个账号。
免费的资源只有CPU只有2小时，用途不大。收费的GPU有两种：

Type	Price	GPU	RAM	SSD
Standard GPU	1.2 $/Hour	Tesla K80 12GB	61 GB	100 GB
High Performance GPU	4.2 $/Hour	Tesla V100 16GB	61 GB	100 GB

注意：GPU的板上内存大小与RAM大小有限。如果模型太大，训练开始时，就会报错终止，所以最好先要估计一下内存的使用量。

安装Floyd命令行软件包

打开一个终端
使用Python pip 安装 floyd-cli

pip install floyd-cli

上传训练及测试数据集

「网页操作」先用浏览器在网页登录帐号myAccount。
「网页操作」在Datasets页面新建数据集，并为数据集起个名字，如cartoon_images。
「PC终端操作」登录，关联PC本机目录my_local_images与远程目录myAccount/cartoon_images，上传本机目录中所有文件到远程目录。注意，应提前组织好本机的目录结构。

$ floyd login 
$ cd my_local_images; floyd data init myAccount/cartoon_images
$ floyd data upload 

在upload 期间如果中断了，下次可用 floyd data upload -resume 断点续传。

新建一个Project

「网页操作」先用浏览器在网页登录帐号myAccount。
「网页操作」在Projects页面新建一个项目，并为新的项目起个名字，如gan_cartoon。

使用floyd的计算资源进行训练

在PC机上，先准备好自己的模型文件main.py (Python文件），并拷贝到一个新建的空目录中gan_model去。
「PC终端操作」，使用命令在远端Floyd服务器上运行一个计算任务。

$ cd gan_model
$ floyd run \
 --gpu \
 --env tensorflow-1.9 \
 --data myAccount/datasets/cartoon_images/1:dataset \
 --follow "python main.py --phase train --dataset alimages --epoch 1  --iteration 2 --light True"

–gpu 指定使用GPU；
–env 参数指定tensorflow的版本；
–data 参数是映射刚建好的训练集目录名(在WEB页面中找)到本次任务的训练目录名（即在model.py 源代码中使用的数据集目录名），使用冒号分开。如果有多个目录名需要映射，–data 可以重复使用多次。
–follow 参数就是实际在floyd的一个Linux的虚拟机上使用的训练命令了。例子中，只是我在训练过程中使用的命令。大家可以根据自己在本机运行的情况，写自己的训练命令。

注意，在gan_model目录中不要放其它无关文件，因为此目录中的所有文件和目录都会被命令 floyd run 上传到远端。另外，在例子中第 5 行最后一个单词所指的远端目录名dataset会在训练时映射为 /dataset 在根目录下，注意在训练脚本中修改相应的路径。

训练结束下载结果数据

「网页操作」在网页上找到这个JOB的全称 myAccount/projects/gan_cartoon/17
「PC终端操作」打开一个终端，输入下面的命令下载结果数据。

$ mkdir train_result_backup
$ cd train_result_backup
$ floyd init gan_cartoon %关联项目名字到当前目录
$ floyd data clone myAccount/projects/gan_cartoon/17  %下载本次JOB的所有文件

总结

在Floydhub 的运行训练命令的基本步骤与本地PC机上运行本质上是一样的。但是，其用WEB网页及本地命令行floyd-cli两个工具来管理和衔接整个过程，会让人在两个工具之间不断地切换来完成整个训练或计算过程。这个过程对用户其实并不友好。当前，不少的云资源都会采用类似方式，希望大家注意这个问题。

（END）