本文主要是介绍DC/OS深度学习教程（一）：TensorFlow、Nvidia与Apache Mesos(DC/OS)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
作者： Kevin Klues and Suzanne Scala, Mesosphere
译者：宋子豪，Apache Mesos PMC/Committer，现任Mesosphere分布式系统工程师，自2015年起专注于Mesos容器领域的开发，主要参与贡献了Unified Containerizer、Pods等关键性功能。宋子豪毕业于加州大学圣巴巴拉分校，计算机工程硕士。目前关注云计算及分布式系统。责任编辑：孙浩峰 关注云计算、大数据、运维、安全 投稿信箱：sunhf@csdn.net
DC/OS 1.9介绍了基于GPU的任务编排新特性。有赖于GPU的支持，数据中心用户可以共享集群资源以运行传统任务及机器学期任务，同时，动态分配或回收集群的GPU资源。通过使用一些现今流行的机器学习软件库（如TensorFlow、Nvidia Docker），数据科学家们可以在自己的笔记本电脑对应用或模型进行本地测试，在不需要对应用或模型进行任何改动的前提下，直接部署至基于DC/OS的生产环境中。想了解关于此项技术的更多细节及如何基于Mesosphere DC/OS使用这项技术，请阅读以下文档。
●DC/OS深度学习教程（一）：在本地运行一个TensorFlow的Docker镜像及运行一个机器学习模型（使用或不使用GPU）。
●DC/OS深度学习教程（二）：在DC/OS集群中运行一个TensorFlow的Docker镜像（使用或不使用GPU）。
●DC/OS深度学习教程（三）：在DC/OS集群通过Universe部署一个动态分布式的TensorFlow服务。请观察TensorFlow如何在DC/OS集群上动态地使用和释放资源。同时，在同一集群上运行多个有不同资源需求的TensorFlow服务。
TensorFlow教程 #1
在此教程的第一部分，我们会以在本地机器上运行卷积神经网络为例，然后使用nvidia-docker和GPU来为这个TensorFlow任务加速。TensorFlow是一款机器智能的软件库，其架构设计独到之处在于与GPU的契合，以提高计算速度和使用效率。
请点此链接看本教程视频。
前提条件
请保证Docker已安装在本地机器。
现在开始
首先，我们会不使用GPU运行TensorFlow，并为任务结果计时。
1.在本地机器上不使用GPU运行TensorFlow。
docker run -it tensorflow/tensorflow bash
2.为了测试TensorFlow，我们需要下载一个机器学习模型。您可以从这个github repo中找到一些好的例子。我们会先通过apt-get安装git，然后拷贝示例repo。
apt-get update; apt-get install -y git
git clone https://github.com/aymericdamien/TensorFlow-Examples
3.现在我们有了卷积网络示例，运行它并为结果计时。
cd TensorFlow-Examples/examples/3_NeuralNetworks
time python convolutional_network.py
此过程大约耗时3分钟。
使用GPU运行TensorFlow
现在，我们来看看使用GPU有什么不同。
注：这部分将不适用于Mac OSX，因为nvidia-docker不支持OSX。
1.在terminal开一个新的窗口，以观察接下来使用nvidia-docker的结果有什么不同。
2.请确保已经在您的系统中安装最新的CUDA驱动。您可以从这里下载：https://developer.nvidia.com/cuda-downloads。在我们写这篇博客的时候，版本8.0是最新版。
3.下载并安装nvidia-docker： https://github.com/NVIDIA/nvidia-docker。
4.确认您的nvidia-docker安装成功。
nvidia-docker run --rm nvidia/cuda nvidia-smi
nvidia-docker run --rm nvidia/cuda:7.5 nvidia-smi
5.通过nvidia-docker，使用GPU来运行TensorFlow。
nvidia-docker run -it tensorflow/tensorflow:latest-gpu bash
6.安装git并下载TensorFlow-Examples，跟您在之前的步骤里做的一样。
apt-get update; apt-get install -y git
git clone https://github.com/aymericdamien/TensorFlow-Examples
7.运行跟之前一样的卷积网络示例。
cd TensorFlow-Examples/examples/3_NeuralNetworks
time python convolutional_network.py
此过程大概耗时30秒：比单纯使用CPU快将近10倍。使用GPU的好处，一目了然。
使用多个GPU会有什么影响？
1.当我们走到这一步，可以快速地使用多个GPU来运行单一任务，并观察性能上的区别。
cd ../5_MultiGPU
time python multigpu_basics.py
结果必须是更快！
原文链接：https://dcos.io/blog/2017/tutorial-deep-learning-with-tensorflow-nvidia-and-apache-mesos-dc-os-part-1/index.html
MesosCon北京将于6月20日到22日在北京国家会议中心举行。这是Linux基金会主办的一年一度的Mesos盛会。报名详情请见这里，购票记得使用7折优惠码MCA1730。
这篇关于DC/OS深度学习教程（一）：TensorFlow、Nvidia与Apache Mesos(DC/OS)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
