Efficient research work environment setup for Computer Science and general workflow for Deep Learning experiments. Contribute to our lab VCL.
- Work environment setup
- Deep Learning Experiments Workflow
- Commonly used CG software
- Blender
- MeshLab
- Unity
系统自带的terminal往往比较简单，不支持多窗口和各种定制。而在实验中经常需要开多个terminal窗口（比如我需要同时连多台服务器），所以系统自带的原始terminal使用起来会比较不方便。建议使用以下的terminal软件，以支持多窗口、分屏和快捷切换的特性。
安装完毕之后不需要掌握太多的功能，一般只需要用到多窗口、分屏的功能，掌握切换窗口/分屏的快捷键即可。能用键盘的操作就别用鼠标去点！此外，背景半透明等额外特性看个人需要是否使用。
Shell对于工作效率可以说是重中之重了，一个好的shell能成倍提高工作效率！一般系统自带的shell都是未经配置的bash，功能比较简略。
在此，强烈推荐使用zsh及其插件管理工具oh-my-zsh!!! 其功能极大的简便了命令行操作，相信用过了都会觉得真香（看看Github 9万多star就知道了）。
-
安装与（推荐）配置过程：
- 按照这里按照zsh和机器插件管理包oh-my-zsh。注意oh-my-zsh是zsh的一个插件管理包，我们还需要通过它来安装其他插件来实现各种强大的功能。
- 安装插件zsh-autosuggestions，注意按照这里的命令通过oh-my-zsh来方便安装。这个插件的功能是更强大的命令补全。
- 安装插件zsh-syntax-highlighting，注意按照这里的命令通过oh-my-zsh来方便安装。这个插件的功能是命令行的语法高亮，方便阅读命令的同时也会让你的命令行更加酷炫。
- 安装插件extract，只需要在zsh的配置文件
~/.zshrc里加一行即可。这个插件的功能是简化各类解压操作。 - 安装插件git，可选，简化git的相关操作。
-
常用特性：
-
命令补全。极其强大！系统自带的bash往往只能一个一个顺序地往上恢复历史的命令，而我们配置后的zsh可以迅速地恢复任意历史命令。例如我想恢复我的上一次python命令，简单的敲几个字母
pyt后，历史的命令就显示出来的了，在按一下方向键⬆️就恢复了：
-
一键解压。linux下各类的压缩文件的解压缩命令往往不同，很难记住，extract插件让我们能够通过
x这一个字母解压几乎所有类型的压缩文件。 -
各种小的命令简化。我们配置的zsh自己alias了一些命令，如
..=cd ..,l=ls -alh等等。
-
DL的实验基本都需要在服务器上跑，所以一些针对服务器的操作简化是很必要的。
-
Connection
通过ssh username@server_ip命令连接服务器是大家常用的操作，然而每次都需要输入用户名、服务器ip和密码是不是很麻烦。强烈推荐一个ssh xxx一键登录的操作-
免密登录.
原理是通过公私钥登录。我们先通过ssh-keygen生成一个rsa公私钥对：$ ssh-keygen -t rsa
这样会在
~/.ssh文件夹下生成一个公私钥对,id_rsa和id_rsa.pub（或者其他你命的名字）。接下来把公钥拷贝到服务器上：$ ssh-copy-id -i ~/.ssh/id_rsa.pub username@server_ip这样配置之后再通过
ssh username@server_ip登录就不需要输密码了。 -
配置连接的别名. 我们进一步配置
ssh连接，通过vim ~/.ssh/config创建（打开）ssh的配置文件，写入：Host lab Hostname 111.222.333.4 User myname Port 22 LocalForward 16008 127.0.0.1:6008 IdentityFile ~/.ssh/id_rsa这样我们就为
myname@111.222.333.4建立了一个别名叫做lab，并且关联上了之前配置好的rsa的私钥。同时LocalForward将服务器6008端口转发到本地的16008端口，免去了通常使用tensorboard时ssh的-L参数。
以后只需要通过ssh lab即可直接登录服务器，比原来简便了很多。
-
-
tmux
tmux是一个unix-like系统下的命令行多路复用工具，可以帮助我们在命令行中同时开多个窗口，并且保证在其中跑的程序不会因为服务器连接的中断而停止，这对于长时间运行的实验（如神经网络训练）尤为重要。大多数人对tmux应该不陌生，也听过有用其他类似软件的。- 安装与推荐配置：
- 常用操作：
推荐阅读这个指南来熟悉tmux的常用操作和概念。推荐用一个session来管理一个project，里面的每一个window(或者panel)来管理一个实验，多个实验同时用不同的window(或者panel)来跑。
-
python
强推PyCharm！！通过学校邮箱注册即可获得免费的专业版。常用特性：
- 远程服务器直连/同步。按官方指南creating-a-remote-server-configuration操作即可。本地ide修改代码，文件即刻同步到服务器上，对于在服务器上跑实验但是又想本地改代码的人来说十分方便。
- 使用远程服务器的python解释器。依旧官方指南configuring-remote-interpreters-via-ssh。本地修改代码可以按照远程服务器的python解释器来进行补全和提示，不必再担心本地和远程环境不一样的问题。
- 快捷键
crtl+B（command+Bfor Mac）进行函数或变量声明的一键查询。 - 快捷键
crtl+W（command+Wfor Mac）快速关闭当前页。 - 在pycharm内对一个project进行git管理。官方指南写的比较复杂。
-
- Vim的自动补全插件：YouCompleteMe
待补充。
这一部分针对有python和深度学习基础但实战经验不是很丰富的同学。
若没有深度学习基础，推荐学习斯坦福公开课CS231n。
若不熟悉深度学习框架，建议先学习一遍其官网的官方教程：PyTorch，TensorFlow，TensorLayer.
硬件环境(nvidia-driver+CUDA+cudnn)的搭建：yixin.
一个深度学习的项目往往需要进行大量的调试和对比实验，而且debug往往比较困难，所以代码和实验的组织特别重要，特别要关注可复现性、易扩展性。
不同的项目可能需要用到不同的python环境，所以用一些虚拟环境/python包管理工具将它们相互之间隔离开来是非常有好处的。
-
Anaconda
Anaconda提供了强大而方便的包管理与环境管理的功能。个人习惯于将不同深度学习框架配置到不同的环境中，如PyTorch, TensorFlow各自单独一个环境，以及为git上有些久远的python2项目单开一个python2环境，基本就能满足需求。
使用anaconda完成不同cuda版本环境并存->这里。 -
virtualenv 待补充。
大多数深度学习的代码可以按照以下结构划分，将各个功能分割开来（便于debug和调试）：
config.py定义实验的超参数和全局变量，例如网络结构的超参数、learning rate、epoch数、实验/数据路径等。dataset.py定义数据的供应流，提供获取数据的接口给train.py使用，例如pytorch里的DataLoader对象。network.py定义模型的网络结构。agent.py定义一个控制训练过程的容器，提供train.py需要的接口，特别是训练中间过程的保存与恢复。tensorflow V1里叫做session，pytorch里需要我们自己写。train.py执行训练的主文件，尽量简短。evaluate.py执行evaluatoin/prediction的主文件，尽量简短。utils.py常用的工具函数和对象。- 其他（如
visualization等）
样例代码：PyTorch_Template
- 每一个实验开一个文件夹
在项目总目录下，每一次实验单开一个文件夹，作有意义的命名，这是为了实验的可复现和对比。
例如，第一次写好了一份代码并跑了一次完整的实验，该实验名为baseline放在项目总目录下。那么若我想把网络层数增加一倍再试试看，那么则先拷贝baseline的内容到一个新的文件夹baseline_layer2x下，然后在baseline_layer2x修改网络层数，之后再在该文件夹下跑新的实验。
- 代码和数据分离
一般来说，服务器上的硬盘空间会进行划分，会有很大的空间专门划分给数据存储，另外有一部分用于常规文件。因此我们应尽量将数据放在大的硬盘分区内，与代码分离。这里说的数据既包括用于训练数据，也包括训练过程中产生的数据（训练日志，模型文件）等。所以训练过程中产生的数据train_log需要我们的代码将他们放到硬盘的数据分区中，但为了方便访问，我们可以在实验文件夹下建立一个软连接索引到实际存放的位置：
- 使用git进行版本控制
使用git进行版本控制是很好的习惯，结合PyCharm的功能，可以很方便的让我们看到代码相对于之前的commit改动了什么：
网络训练过程中非常有必要对loss和中间结果进行可视化，tensorboard基本算是标配的工具。一键安装：
$ pip install tensorboard
TensorBoard 通过读取 TensorFlow 的事件文件（看作日志文件）来运行。TensorFlow 的事件文件包含运行 TensorFlow 时生成的总结数据。
- 在TensorFlow中，通过
tf.summaryapi生成事件文件，参见官方文档。 - 对于PyTorch，我们可以通过一个第三方的包tensorboardX来生成事件文件。看完其样例代码就肯定会用了。
假设我们在服务器上/mnt/username/project/baseline/log位置生成了一次实验的事件文件：
接着我们运行tensorboard读取上述事件文件：
$ tensorboard --logdir /mnt/username/project/baseline/log --port 6006运行后，我们可以在localhost:6006(即127.0.0.1/6006)查看可视化结果。但是由于服务器上一般没有图形化界面，我们没办法通过浏览器打开该地址。解决方法是，我们在ssh登录服务器的时候建立一个通道，将服务器端口6006的数据转发到一个本地端口上：
$ ssh -L 16006:127.0.0.1:6006 lab参数-L 16006:127.0.0.1:6006建立了一个通道（也可写在ssh配置文件中），将服务器端口6006的数据转发到了本地16006端口上，于是我们可以通过本地的网页浏览器访问127.0.0.1:16006查看可视化结果。
- 模块测试代码
DL程序debug很容易让人头大，我们最好以模块化的思维去考虑问题出在哪一个模块：数据、网络结构、后处理等等。为了预防bug的产生，我们可以在按照前述代码结构，在每写好一个模块后，就可以写一个简单的测试函数，来看看代码是否产生了期望的行为。比如，关于数据处理部分dataset.py，简单打印一个batch的结果，看看是否符合期望：
- 数据供应速度
在GPU上跑程序的时候，用nvidia-smi查看GPU使用情况的时候，出了关注显存占用情况，还应去关注一下Volatile GPU-Util这一信息。一般来说，使用率越高越好；如果一直比较低，说明程序有很多时间花在了CPU上，很有可能是数据供应的速度没有跟上模型计算的速度，造成了GPU资源的浪费，程序运行速度慢。解决方法一是优化数据供应dataset.py部分的代码，二是增加数据供应的线程数（如pytorch里的num_workers），三是检查其他部分比如后处理/可视化部分代码是否可以优化。特别地，python里尽量避免显式for循环。
- 分析可视化结果
- training loss远小于validation loss，说明网络过拟合，可适当加正则项(dropout, BN, etc.)或做数据增强。
- training loss都降不下去，说明网络欠拟合，检查网络结构和数据处理代码。
- loss曲线抖动很大，常见原因是数据噪声比较大、训练任务过于困难，或者batch size开的太小，或者learning rate开的太大。
- 可以将多组实验的日志文件放在同一文件夹下，同时用tensorboard可视化，便于对比观察：
- 经验之谈
- 增大batch size的同时适当增大learning rate，保持两者的平衡。原因是增大batch size之后，一个epoch内梯度下降的次数减少了，所以可以让每一步可以走得长一点(增大learning rate)。
- 对learning rate做动态调整，常用exponential decay或者step decay(每隔一定step减小lr)。原因是通常训练初期使lr较大加快收敛，训练后期使lr较小能够在局部收敛得更好。
- dropout/BatchNorm在训练/测试时的不同行为的切换。
- 对于回归任务，网络最后一层尽量不用非线性激活单元。
- BN层前的卷积层尽量不要加bias项。原因是BN层会做normalization。
- ...
