阿里雲深度學習採坑記
摘要：
原因
打算研究下AI，以便不那麼落後於這個時代，但是看了看，搞一個能支援AI演算法的顯示卡就要天文數字。所以找到了阿里雲的PAI平臺，打算跑跑自己寫的演算法，採坑無數，搞了兩天才搞定。
基本流程
阿里雲提供了官方的教程：如果打算把自己的深度學習程式碼到阿里雲PAI上執行的話，照著...
原因
打算研究下AI，以便不那麼落後於這個時代，但是看了看，搞一個能支援AI演算法的顯示卡就要天文數字。所以找到了阿里雲的PAI平臺，打算跑跑自己寫的演算法，採坑無數，搞了兩天才搞定。
基本流程
阿里雲提供了官方的教程：如果打算把自己的深度學習程式碼到阿里雲PAI上執行的話，照著官方文件去試試： ofollow,noindex" target="_blank">https://help.aliyun.com/document_detail/49571.html?spm=a2c4g.11186623.6.570.1c3564f9tpM92k#讀OSSBucket
踩過的坑（需要注意事項）
資料檔案
自己寫的python程式碼本身讀取資料和儲存模型都在本地，可能做了硬編碼，如果要遷移到阿里雲，需要從OSS上讀寫檔案。那麼需要做下修改
1、 首先需要設定一個讓獲得阿里雲關於OSS配置的引數
if __name__ == '__main__':
parser = argparse.ArgumentParser()
parser.add_argument('--buckets', type=str, default='',help='input data path')
parser.add_argument('--checkpointDir', type=str, default='',help='output model path')
FLAGS, _ = parser.parse_known_args()
2、在程式中這樣獲得資料檔案和模型儲存的位置
tfrecords_file = os.path.join(FLAGS.buckets, "post_train.tfrecords") checkpoint_path = os.path.join(FLAGS.checkpointDir, 'model.ckpt')
關於編碼
這個搞了很久老失報錯有不合法程式碼，在每個檔案頭部加上 # encoding: utf-8
檔案分目錄
這個問題也讓我抓狂很久，我寫的時候，比較隨意，把資料檔案，模型檔案和python寫一個資料夾下面了，到了阿里雲就很難跑起來。後來把程式碼放在一個單獨的資料夾，資料檔案一個資料夾，然後給checkpoint和模型單獨一個資料夾。
多程式碼檔案一定要打包
多個程式碼檔案，需要打包成.tar.gz的格式，進行上傳
關於如何在windows下面製作.tar.gz的方法： http://blog.sina.com.cn/s/blog_535b828801010cb6.html
一定要在tensorflow的節點前面先選擇一個讀OSS_bucket的節點：
具體如下
