之前在自己搭建图像识别的AI环境时，需要至少半天甚至更多的时间，因为使用多项开源技术，各种技术之间的兼容性往往非常复杂，如果都使用最新的版本，通常会出现不兼容的情况，需要各种试错，反复安装，极为头痛。而Oracle OCI当中为大家提供了配置好的，并且可以免费使用的AI集成环境，您只需要支付计算资源和存储资源的费用，就可以使用由专业人士为大家搭建好的AI环境，而这个环境不会额外收费。前一段时间一直在做图像识别的案例，期间在网络上看到一篇文章，使用pulse进行模糊人脸图像处理的例子，于是想搭建一个环境测试一下。因为该环境需要使用到GPU运算，在常规的AI机器学习环境之上还要配置GPU的驱动及做相关的设定，这使环境搭建变得更加复杂。好在OCI的marketplace提供AI all in one的image，我们只需要点选几下鼠标，就可以轻松创建出适用于图像处理的GPU机器学习环境。

今天就请和我一步步来操作，从环境搭建到使用pulse进行图像去除马赛克吧。

1、在OCI当中创建GPU机器学习环境

在您登陆Oracle Cloud环境之后，进入instance选项，创建instance。本次我选择的是美国数据中心，您可以根据自己的情况，选择有GPU环境的数据中心。

请点击下图中红框所示按钮，修改操作系统安装介质。

选择Oracle images当中的AI (All-in-One) GPU Image for Data Science这个介质，这是免费使用的。

然后选择计算资源的shape，本次由于要使用到GPU资源，所以请按照下图的方式进行选择。因为我们的计算量不大，所以选择最低端的GPU shape即可。

接下来提供连接到虚拟机的公钥，然后点击Create按钮创建instance，只需要1-2分钟的时间就可以创建完毕。

2、网络设定

您可以根据需要对当前系统的防火墙进行设定，比如关闭防火墙，使用root用户执行systemctl stop firewalld将防火墙关闭，执行systemctl disable firewalld彻底关闭。另外需要注意的是，需要在OCI环境中，对当前实例所使用的安全列表进行设定，比如一会儿我要使用9999端口作为jupyter notebook的端口，那么请将该端口放开。

3、安装anaconda和dlib

因为本次要使用到人脸识别技术，所以需要安装dlib，并且为了后续的计算方便，建议大家也安装Anaconda。

A、先将安装dlib之前所需的安装包和支持文件安装上。

yum -y install cmake

yum -y install boost

pip install cmake

B、下载Anaconda

wget https://repo.anaconda.com/archive/Anaconda3-2020.02-Linux-x86_64.sh

C、安装Anaconda

bash Anaconda3-2020.02-Linux-x86_64.sh

D、激活Anaconda

conda activate

E、升级Anaconda，这个动作会需要大概5-10分钟的时间

conda upgrade --all

F、安装dlib

pip install dlib

4、设定jupyter环境并启动jupyter notebook

A、首先设定环境变量，执行下方代码即可：

source mlenv/bin/activate

B、生成密码文件

jupyter notebook password

您会看到如下提示，说明密码文件已经存入这个json文件当中。

Wrote hashed password to /root/.jupyter/jupyter_notebook_config.json

C、生成配置文件

jupyter notebook --generate-config

您会看到下面提示，表示配置文件生成完毕

Writing default config to: /root/.jupyter/jupyter_notebook_config.py

D、将密码文件当中的密码放入配置文件

首先使用cat或者vi，查看在上面第二步(B步骤)生成的密码文件，您将看到如下信息，将passoword后面的双引号中的信息复制出来。

打开上面C步骤生成的配置文件，将如下信息加到文件的最后，并将刚才复制的密码写入。注意，在密码前面，我写了u。本次使用9999端口作为jupyter notebook的端口

E、启动jupyter notebook

jupyter notebook --allow-root &

来到浏览器中输入IP:9999，然后会被要求输入密码，将刚才您设定的密码输入即可。我先写几行代码，看看当前的设备是否可以正常使用GPU。

5、下载pulse

来到https://github.com/adamian98/pulse，下载源代码。下载的是zip格式的文件，使用unzip解压即可。

6、使用pulse进行图像处理。

进入解压好的路径，创建cache目录，并给予正确的访问权限，比如chmod -R 777 cache。cache是用来一会儿在处理图像时，在线下载模型的。创建input路径，并设定权限，这个路径是用来放入马赛克图片的。怕涉及版权，我将我自己的照片模糊处理之后，放入input文件夹。

然后在命令行中，执行2000步运算，处理之后的结果将被放入runs目录。

使用ftp下载下来或者在jupyter notebook的文件管理器中看一看，我的天啊，吓屎了。这这这，这是谁啊！！！！！！眼睛挺大，还有长睫毛，不错。眉毛怎么回事儿？眼袋怎么这么大？嘴巴也不像啊，另外，我的眼镜呢？给我P没了？。而且这不是华人的面孔啊，怎么回事儿啊？

原因很简单，因为pulse的训练集是白种人的面部图片，所以程序自然会使用它的“学习成果”去预测马赛克之前的原始图像。后续可以对算法和训练集进一步优化，让它适合各个人种。

今天的内容就到这里了，我去想想怎么优化一下算法，看看能不能把我P得更好看一点，哈哈哈。

相关链接：

Oracle数据科学公开课(1)：OCI基础

Oracle数据科学公开课(2):OCI Data Science Tenancy Setup

Oracle数据科学公开课(3): Resource Stack

Oracle数据科学公开课(4):Notebook的创建与管理

Oracle数据科学公开课(5):JupyterLab环境详解

Oracle数据科学公开课(6):Notebook Session Enviroment

Oracle数据科学公开课(7):ADS Python SDK

Oracle数据科学公开课(8):ADS Connectivity to Data

手把手教你:搭建Data Science环境

手把手教你:使用Oracle Data Science分析纽约民宿数据

扫描下方QR Code即刻预约ADW演示

编辑：殷海英