接著上文VS Tools for AI全攻略，我們來討論如何使用Azure資源來訓練我們的tensorflow專案。Azure雲我個人用得很多，主要是因為微軟爸爸批了150刀每月的額度，我可以愉快地玩耍。

那麼針對Azure，有成套的兩個方案解決問題。

方案一（比較有錢的、對速度要求高的）：使用Deep Learning Virtual Machine - NC系列虛擬機器

這個是真貴……具體配置方案如下：

首先你得有一個Azure。這一段不講。

然後進入你的Azure Portal，新建一個這樣的虛擬機器：

根據雲虛擬機器的一般情況，你可以在建立虛擬機器的時候用密碼建立，然後使用XShell生成RSA金鑰對，使用SSH遠端連線。一般來說SSH連線都是更加主流且常見的連線方式。

之後選擇配置。

別急著說貴，必要情況下，這個GPU好到足以撐起整個實驗室。請看配置：

看到K80，你就會瞬間覺得這個價格無比良心了。

但是對於那些個人使用者來說，肯定是用不到這麼高階的配置的。對於這些個人使用者，該怎麼做呢？

現在我們需要一種窮人的方法來搭建好Azure虛擬機器。

思路很簡單，因為AI元件的原理其實是傳送了script檔案和命令上去，那麼我們這個虛擬機器只要做好了所有的配置，那麼我們就可以將它當作深度學習虛擬機器來用了。

寫到這裡，我忍不住哀嘆一聲。買不起外接顯示卡的窮人，只能絞盡腦汁想這種省錢的辦法。

新建一個Ubuntu 16.04LTS虛擬機器。當然選擇Windows虛擬機器也是可以的，只是不太主流。

選擇儲存之後，使用XShell遠端連線虛擬機器（這樣比較方便）。

注意此時的虛擬機器，GPU約等於沒有，所以我們不得不執行CPU版本。所以這個虛擬機器的效能會比較差，但是虛擬機器此時也可以拿來用作其他事情，比如當作私有云盤，或者是tizi。

具體的安裝步驟可以檢視http://www.cnblogs.com/ldzhangyx/p/7624771.html，這篇博文主要講述瞭如何deploy你的虛擬機器，並且安裝好TensorFlow環境。注意，與那篇文章有些區別的是，Azure虛擬機器一般情況下不能帶動CUDA，所以我們需要做的僅僅是：

1，安裝Python3

2，安裝TensotFlow及必要的依賴庫（如pandas），這個依賴庫的列表可能很長，所以也可以安裝Anaconda來做到一次性配置。

TIPS：一定要安裝好所有的依賴庫，具體的列表可以通過報錯資訊確定。

下面的操作以Ubuntu版本為準，Windows版本的配置方法類似。

我們開啟VS installer，安裝Azure SDK。

安裝完成之後的主要步驟參見：https://github.com/Microsoft/vs-tools-for-ai/blob/master/docs/tensorflow-vm.md

這裡做出中文的說明。

1，開啟你的解決方案。

2，選擇伺服器資源管理器，使用SSH連線好你的虛擬機器。（記得提前給你的虛擬機器設定靜態IP）

連線完成之後你可以發現Remote machine裡多了你的虛擬機器。你可以點進去看看你虛擬機器的檔案。

3，提交一個Job。

在解決方案管理器裡提交job，有幾個引數需要注意一下：

cluster是你的虛擬機器名字。在第三行有一個Job Name必須寫，你選一個自己喜歡的名字就好，作為job的區分標識。

下面這些引數有些複雜，但是如果你直接提交的話，將會報類似的錯誤。

點選這裡檢視所有的Jobs：

 如果你選擇了Python2/3雙版本共存，可能會出現這樣的錯誤：

原因出在這裡：

如果我們在Summit的時候填寫的是python，那麼虛擬機器會執行python tensorflowapplication.py這一條指令。

而我們之前為了方便，安裝了Python3使得兩版本共存，那麼python呼叫的其實是python2.要使虛擬機器呼叫Python3，我們只需要這麼修改：

這樣我們就可以使用Python3了。

提交，檢視結果：

如果你要在執行的時候指定一些引數，也是在類似的地方進行調整

相關文章： 

原文：http://www.cnblogs.com/ldzhangyx/p/7967500.html

.NET社群新聞，深度好文，歡迎訪問公眾號文章彙總 http://www.csharpkit.com