如何配置MAC+PC的深度学习环境

有一台PC(GPU 1080Ti的)，有一台mac，平常开发主要用的都是mac，深度学习又需要有GPU支持，所以怎么把这台PC完美的利用起来，花了一点点时间摸索，分享给大家。本教程仅限本地局域网，也就是你的MAC和你的PC在同一个WIFI下，如果不在同一WIFI下，就需要在研究下别的工具了。

1. PC配置。

   1.1 安装linux系统。

   我装的Ubuntu 16.04。

   1.2

   安装必备的深度学习库。装了python，conda，jupter，cuda，cuDNN，tensorflow (GPU版本)，keras，cuda和cuDNN教程很多，找一篇适合自己的，通读，一定理解了每一步都在干嘛，然后一把搞定。其他的库可以用pip或者conda装都可以。

   1.3 安装ssh -server

   sudo apt-get install openssh-server
   

   1.4 拿到 Ubuntu的局域网ip地址。找到192.168开头的那个即可。

   ifconfig
   

   1.5 MAC ssh 就可以控制PC。

   ssh username@ip
   

2. MAC配置

   2.1 MAC配置。

   按照你需要安装必需的深度学习的库，还是建议用conda的环境来管理各种包，免的依赖冲突。这个不赘述了。

3. 远程jupyter notebook配置。

   3.1 linux系统上打开jupyter。

   cd到你的工作目录，然后输入：

   jupyter notebook --no-browser --port=8080
   

   这样我们打开了一个jupyter notebook，但是不在浏览器中打开，端口号是8080，这个端口号要在之后用到。

   3.2 在mac终端中新开一个ssh链接到linux机器。

   ssh -N -L 8080:localhost:8080 username@ip
   

   这里的端口就是之前的8080端口。-N命令是告诉ssh 这个ssh链接不会执行远程操作，算是一种安全保护措施吧。-L 命令是从本地(localhost)的8080 端口到linux主机的8080端口建立了一个隧道。这样我们就可以从本地访问远程主机上开启的jupyter notebook了。

   3.3 在本机浏览器中打开

   http://localhost:8080/
   

   Done!

   3.4 tensorboard 监控。

   如果在远程主机上训练通过tensorboard来监控，可以采用类似的思路实现。

   3.4.1 远程主机上cd到项目的路径，开启tensorboard

   tensorboard --logdir /path/to/log --port=8070
   

   3.4.2 本地主机上开启新的ssh连接

   ssh -N -L 8070:localhost:8070 username@ip
   

   3.4.3 在本机浏览器打开

   http://localhost:8080/
   

   Done ! Enjoy!