4个Linux小技巧帮你提高机器学习生产效率
在机器学习的实践过程中,用好Shell能帮你很多节省时间。 下面就是他分享的4个tips。由于本文中涉及到的shell脚本过多,你可以去文末地址中查看所有脚本的源代码。 抓取远程文件 当你在远程服务器上监视程序运行时,如果想把一个远程文件抓取到本地查看,通常你会怎么做? 记下文件路径,打开终端,用rsync之类的工具同步到本地,再到文件浏览器中查看。 实际上不必这么麻烦。只需要事先写好几个shell脚本,就可以避免重复的机械劳动。 在这里强烈推荐iTerm 2,它比Mac自带的终端要强大得多,可以指定某个触发关键词执行某个相应的命令。 iTerm 2下载地址:https://www.iterm2.com/ 先在远程服务器上设置一个脚本t。当我们输入r awesome_video.mp4时,它会搜索awesome_video.mp4文件所在路径,并连同主机名以字符串rtransfer <host> <path>的形式打印出来。 rtransfer作为iTerm2的触发关键词,解析出主机和路径,然后调用另一个本地脚本t2。脚本t2将这个视频文件传输到临时目录,然后在该目录中打开Finder。 使用iTerm 2触发关键词功能调用脚本,可以大大提升效率,而你要做的只是在前期花费时间定制脚本。 远程访问TensorBoard 除了抓取远程文件,另一个让人痛苦的是访问远程服务器上的TensorBoard实例。你可以设置SSH端口转发,但是哪个端口对应哪个服务器?它们都在Docker容器中。 ngrok可以让你把访问本地端口变成访问URL,比如输入ngrok http 6006后,它会为你生成一个URL网址http://683acac3.ngrok.io,你可以在这个地址中查看TensorBoard实例。 结合脚本n,,以更快的速度启动ngrok,然后用脚本tb打开Web浏览器,启动TensorBoard,在十秒内就能从运行目录转到显示图形。 ngrok有个缺点是它一次只能允许一个会话,因此在使用前需要杀死上一个ngork进程。如果你忘记在另外一台服务器上杀死ngrok,可能会比较麻烦。 ngrok下载地址:https://ngrok.com/ 用tbplot代替TensorBoard绘图 对于运行大量metrics的情形,我们需要等待较长时间让TensorBoard加载所有图形。如果使用tbplot脚本,速度会快很多,并且能直接生成图像文件。 tbplot实际上调用的是Matplotlib,缺点是目前只能生成标量图。 tbplot下载地址:https://github.com/mrahtz/tbplot 自动化崩溃监测 运行代码时,最耗费精力的事情就是是担心遇到了错误并崩溃,因此需要不断检查他们的运行情况。 当程序出现问题时,通过警报自动监控可以缓解这种担忧。一般可以把警报发送到邮箱中,为了避免这么麻烦,可以使用sqs-alerts,它依靠AWS AWS Simple Queue服务存储和接收消息。 在每台远程机器上,使用cron运行一个脚本,监控日志并在检测到运行中断时向队列发送消息。然后在本地机器上运行一个服务来监控队列,并在收到消息时弹出警报。 sqs-alerts下载地址:https://github.com/mrahtz/sqs-alerts 最后,本文使用的所有shell脚本都可以在以下地址中找到: https://github.com/mrahtz/dotfiles/tree/master/.local/bin 【编辑推荐】
点赞 0 (编辑:宜春站长网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |