在機器學習的實踐過程中，用好Shell能幫你很多節省時間。

下面就是他分享的4個tips。由于本文中涉及到的shell腳本過多，你可以去文末地址中查看所有腳本的源代碼。

抓取遠程文件

當你在遠程服務器上監視程序運行時，如果想把一個遠程文件抓取到本地查看，通常你會怎么做？

記下文件路徑，打開終端，用rsync之類的工具同步到本地，再到文件瀏覽器中查看。

實際上不必這么麻煩。只需要事先寫好幾個shell腳本，就可以避免重復的機械勞動。

在這里強烈推薦iTerm 2，它比Mac自帶的終端要強大得多，可以指定某個觸發關鍵詞執行某個相應的命令。

iTerm 2下載地址：https://www.iterm2.com/

先在遠程服務器上設置一個腳本t。當我們輸入r awesome_video.mp4時，它會搜索awesome_video.mp4文件所在路徑，并連同主機名以字符串rtransfer <host> <path>的形式打印出來。

rtransfer作為iTerm2的觸發關鍵詞，解析出主機和路徑，然后調用另一個本地腳本t2。腳本t2將這個視頻文件傳輸到臨時目錄，然后在該目錄中打開Finder。

使用iTerm 2觸發關鍵詞功能調用腳本，可以大大提升效率，而你要做的只是在前期花費時間定制腳本。

遠程訪問TensorBoard

除了抓取遠程文件，另一個讓人痛苦的是訪問遠程服務器上的TensorBoard實例。你可以設置SSH端口轉發，但是哪個端口對應哪個服務器？它們都在Docker容器中。

ngrok可以讓你把訪問本地端口變成訪問URL，比如輸入ngrok http 6006后，它會為你生成一個URL網址http://683acac3.ngrok.io，你可以在這個地址中查看TensorBoard實例。

結合腳本n，以更快的速度啟動ngrok，然后用腳本tb打開Web瀏覽器，啟動TensorBoard，在十秒內就能從運行目錄轉到顯示圖形。

ngrok有個缺點是它一次只能允許一個會話，因此在使用前需要殺死上一個ngork進程。如果你忘記在另外一臺服務器上殺死ngrok，可能會比較麻煩。

ngrok下載地址：https://ngrok.com/

用tbplot代替TensorBoard繪圖

對于運行大量metrics的情形，我們需要等待較長時間讓TensorBoard加載所有圖形。如果使用tbplot腳本，速度會快很多，并且能直接生成圖像文件。

tbplot實際上調用的是Matplotlib，缺點是目前只能生成標量圖。

tbplot下載地址：https://github.com/mrahtz/tbplot

自動化崩潰監測

運行代碼時，最耗費精力的事情就是是擔心遇到了錯誤并崩潰，因此需要不斷檢查他們的運行情況。

當程序出現問題時，通過警報自動監控可以緩解這種擔憂。一般可以把警報發送到郵箱中，為了避免這么麻煩，可以使用sqs-alerts，它依靠AWS AWS Simple Queue服務存儲和接收消息。

在每臺遠程機器上，使用cron運行一個腳本，監控日志并在檢測到運行中斷時向隊列發送消息。然后在本地機器上運行一個服務來監控隊列，并在收到消息時彈出警報。 

sqs-alerts下載地址：https://github.com/mrahtz/sqs-alerts

***，本文使用的所有shell腳本都可以在以下地址中找到：

https://github.com/mrahtz/dotfiles/tree/master/.local/bin