开发环境介绍
在SuperVessel云上，我们为大家免费提供当前火热的caffe深度学习开发环境。SuperVessel的Caffe有如下优点：
- 1） 免去了繁琐的Caffe环境的安装配置，即申请即使用。
- 2） 集成了SuperVessel先进的GPU虚拟化技术，POWER8，GPU与cuDNN库三重加速的Caffe，极大的节约您的模型训练时间。
- 3） 环境集成了一些优秀的Caffe开源模型，如图片识别与人脸识别模型，帮助您更快的学习理解Caffe，助力您搭建有趣的深度学习应用。
Caffe深度学习开发环境为您提供：
- 1） Ubuntu 14.04 PPC64 Little Endian操作系统
- 2） CUDA ToolKit 7.0全套开发环境，包括cuDNN深度学习库的支持
- 3） Caffe 2015.8.3更新版本，支持GPU加速，支持cuDNN加速，支持python接口（pycaffe）
- 4） 模型bvlc_reference_caffenet和人脸识别模型cnn_age_gender_models_and_data
- 5） Caffe简单的模型训练数据
- 6） OpenCV 2.4.9，并支持python接口（python-opencv）
- 7） Atlas 3.10.2
- 8） Boost 1.57
- 9） 其他Caffe依赖的软件包
启动预装的开发环境镜像
- 1） 在 SuperVessel 云的管理界面 的上方选择 "更多服务" -> "计算服务" -> "预装镜像服务"，或直接进入镜像市场：
- 2） 在镜像市场中，选择 "GPU加速的Caffe深度学习开发环境"
- 3） 选择 "启动" 按钮
远程登录开发环境镜像
- 1） 登录开发环境需要先进行VPN登录。具体VPN的登录方法，详见：VPN的使用。
- 2） 登录该开发环境镜像所在的虚拟机。具体登录方法，详见：登录虚拟机。
- 3） 这个开发环境需要在root权限下运行Caffe。登录到虚拟机后，可以通过su命令切换到root（需要输入root用户密码）。
- 4） 该镜像的登陆用户名为opuser，初始密码为p0weruser。root用户初始密码为passw0rd。在初次登陆后会被要求强制修改密码。
测试Caffe开发环境
Caffe的安装目录在/home/opuser/caffe-master-20150813/，进入目录后，输入 make runtest，在打印中显示Cuda number of devices: 1，即表示GPU加速已经启用。后面会有很多的子项测试，通过了即为“OK”，如下所示： 
使用Caffe训练模型
我们使用mnist数据集来进行模型训练。mnist是手写数字识别的数据集，包含了很多手写数字的训练样本。我们已经为用户下载好mnist的数据集，用户只需在caffe的根目录直接训练即可： ./examples/mnist/train_lenet.sh，运行结果如下所示： 
- 该模型训练会迭代10000次停止。训练的过程中偶尔可能会出错退出，是此Caffe版本的一个bug，用户只要重新训练即可。
使用现有的模型分类
使用模型分类的例子，我们会以教程的形式给出，手把手教用户完成第一个深度学习的web应用，敬请期待！
本文来源于网络：https://services.ptopenlab.com/