【深度学习日记】第一天:Hello world,Hello CNN MNIST

活动地址：CSDN21天学习挑战赛

2022年08月01日 星期一 天气晴

这是一个不同寻常的周一，曾经多少次立Flag于周一荒废于周二，因此我再一次信誓旦旦地暗自下定决心：持续更文记录成长点点滴滴，从周一开始！这次将以日记的形式完成每天的学习记录，这是第一篇，也是新的开始！

严正声明：本篇日记不存在恰饭行为，仅根据笔者亲身经历编写，如有雷同，纯属巧合！

创作计划

机缘：记录深度学习小白的成长
预期：至少 21 天/篇产出分享深度学习相关笔记
憧憬：能够坚持写作不断更

时间	主题	内容	进度
2022-08-01	Hello world,Hello CNN MNIST!	深度学习云端环境体验、了解深度学习框架	已完成
2022-08-02	深度学习，“粮草”先行	掌握数据集获取途径、了解深度学习框架数据集处理方式	待编写
2022-08-03	深夜学习，只为“卷”–卷积神经网络入门详解	以天气识别、服装图像分类为例，讲解卷积神经网络	待学习

云端环境体验

笔者认为入门深度学习的拦路虎之一就是没有相应的环境去体验，就连 AnimeGAN 作者Asher Chan 都吐槽算力有限导致论文延期，当然做研究和仅仅只是学习还是有差别，毕竟我们仅仅只是学习的话，一些云厂商提供的免费算力足够我们跑些案例了。

为了避免争议，以下内容仅与笔者本人有关， 仅仅根据笔者亲身经历编写，不存在对任何云厂商的推广以及贬损。如有不适，欢迎批评指正！

​笔者大概从疫情伊始接触到人工智能相关的开发平台及框架，恰逢国内 Big4 公有云厂商提出的”普惠AI“策略落地，我真真切切地感受到”被普惠“的暖意–免费学习、免费算力甚至还各种送礼品。其实无论是国内还是国外的云厂商，对于AI开发者都有一定的扶持计划，”注册就送￥$"，这不是游戏广告，而是各云厂商的推广手段之一。对于深度学习小白，可能我们真的没有本地算力，但是却有一颗虔诚学习的心，怎么办？那我们就去各平台白嫖算力呗！以下平台排名不分先后

Colab

如果有条件访问外网，可以尽情地使用 Colab, Colab 是 Colaboratory（合作实验室）的简称，借助 Colab 我们可在浏览器中编写和执行 Python 代码，并且无需任何配置、免费使用 GPU，还能轻松共享。Colab 提供编写和执行代码的交互式环境，称为 Colab 笔记本，Colab 笔记本是由 Colab 托管的 Jupyter 笔记本。因此我们无须在本地搭建开发环境，完全可以使用云端免费资源。按照 CSDN 网友的反馈，基本能白嫖到 K80 的GPU，偶尔狗屎运也会有两次T4，不过理所当然会存在限额的情况，B 乎上关于Colab免费GPU槽点还是有些的，关于 Colab 使用遇到的问题具体可参考官方文档《Colaboratory常见问题解答》。
接着我们在 Colab 上实操一下深度学习入门必敲的 Hello World 案例 – MNIST手写数字识别
新建hello_CNN_MNIST.ipynb,切换到 GPU 模式，编写代码，大致效果如下图：

完整代码请参考卷积神经网络（CNN）实现mnist手写数字识别, 当前案例在 Colab 平台运行结果如下：

当然，想要分享给其他小伙伴进行协作也是十分方便的：

是不是感觉很方便？从环境搭建到模型训练再到案例分享，一套组合拳下来不到十分钟轻松搞定！
接下来我们看看国产之光，笔者认为最贴近原版 Jupyter 的 CodelLab。

CodeLab

作为ModelArts Developer Groups Guangzhou 的核心组织者，笔者对ModelArts 的 CodeLab 还是有一定的了解的，几乎是看着 CodeLab 一点一滴更新迭代到现在这个相对完善的版本，关于 CodeLab 请听小生娓娓道来。CodeLab 是ModelArts推出的新功能，目前仅在北京四可体验使用，一键进入开发环境的同时预置了免费的算力规格，针对致力于打造“AI界Github”的AIGallery社区发布的Notebook样例（.ipynb格式文件），可直接在CodeLab中打开，查看他人分享的样例代码。这和上文中提到的 Colab有些类似。既然 CodeLab这么强大，我们迫不及待一睹芳颜，请让笔者为大家揭开CodeLab的神秘面纱，近距离感受“普惠AI”的“真香”！

除了免费的 CPU 资源，还有免费的32G P100可供选择，基于笔者长期使用 CodeLab的经验得出：最高可获得8小时+的使用限额（PS：此处期待各位大佬能编写自动续时脚本）。
接着我们在Colab 平台导出hello_CNN_MNIST.ipynb并导出到CodeLab，开启我们的训练之旅。

笔者使用的是默认的 Python 3.6 + TensorFlow 1.13.1 环境，因此代码需要简单修改，您也可以点击体验一键Run in ModelArts

运行结束之后我们就完整地跑通了 CNN 实现 MNIST 手写数字识别：

TIANCHI

作为国内老牌云厂商，给到的免费资源也是十分给力的， CPU 无限使用，默认给到 60 小时GPU的额度，积分到达200再送30小时，用来学习暂时能够缓解燃眉之急。官方介绍：“天池notebook集成机器学习PAI DSW（DataScienceWorkshop）探索者版，成为天池实验室底座，为大家提供完备的IDE以及丰富的计算资源”，咱先来看看大概的界面：

在天池的Notebook中，基于Jupyter做了定制化开发，整个界面焕然一新，下图是天池运行结果：

同样的，本案例使用 CPU 进行训练也是可以的，只是时间花费多一点点：

结语

其实云端的深度学习环境远远不不止这几种，只要您善于发现、勇于分享，我们能获得更多的免费 GPU 资源，我们相信深度学习会越来越容易上手，变得连Python 小白也能攀得起，能够训练属于自己的深度学习模型并应用到生活中去。
感谢各位能阅读至此，如您对文章有任何意见或建议，欢迎在评论区留言互动！