Среды для обучения

В рамках платформы Mail.Ru Cloud Solutions можно создать рабочее место data scientists. 

Рабочее место data scientists — это образ виртуальной машины, включающий в себя популярные среды и инструменты для работы с машинным обучением.

Подключение сервиса

Для подключения рабочего места в личном кабинете нужно включить сервис Машинное обучение.

После подключения нажмите «Создать среду». 


Откроется окно создания инстанса с готовым образом. О настройках остальных параметров инстанса читайте в статье «Быстрый запуск инстанса»

Состав продукта

CS а: Ubuntu 18.04 «Machine Learning»

Предустановленные компоненты:

  • GPU драйвера NVIDIA
  • NVIDIA CUDA
  • NVIDIA CUDA Deep Neural Network Librayr (cuDNN)
  • NVIDIA Docker
  • Пакетный менеджер Anaconda
  • Средства разработки C/C++ (gcc, g++, clang, gdb, make, cmake и д.р.)
  • Системы контроля версий (git, svn, mercurial)

Работа с conda

Conda - кросс-платформенный пакетный менеджер для  Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN. Conda является продвинутым аналогом pip + virtualenv. 

Репозитории conda содержат все популярные инструменты и фреймворки для машинного обучения, такие как pandas, scikit-learn, Matplotlib, XGBoost, LightGBM, PyTorch, TensorFlow и д.р.

Для начала работы с conda наберите "conda info":

conda info

Получение списка виртуальных окружений:

conda env list

Создание нового виртуального окружения с установленным пакетом tensorflow и Python версии 3.6:

conda create --name <НАЗВАНИЕ> python=3.6 tensorflow-gpu

Активация виртуального окружения:

source activate <НАЗВАНИЕ>    

Поиск пакета:

conda search <НАЗВАНИЕ ПАКЕТА>

Установка пакета в текущее виртуальное окружение:

conda install <НАЗВАНИЕ ПАКЕТА>

Деактивация текущего виртуального окружения:

source deactivate

За более подробной информацией по работе с Conda обратитесь в официальную документацию. Для удобства рекомендуем воспользоваться шпаргалкой по работе с Conda.

Работа с Jupyter Notebooks

Образ содержит предустановленный Jupyter Notebooks. Для запуска сервера введите следующую команду:

jupyter-notebook --ip '*'

Далее перейдите по ссылке, указанной на экране. Вместо 'localhost' или имени следует использовать внешний плавающий IP адрес машины.