阿里云GPU云服务器深度学习

网站编辑2020-11-11 09:50:00943

　　典名科技本文介绍阿里云服务器GPU云服务器深度学习，在GPU实例上部署NGC环境，GPU AI模型训练最佳实践，希望对您有所帮助。

　　在GPU实例上部署NGC环境

以搭建TensorFlow深度学习框架为例介绍如何在GPU实例上部署NGC环境。

前提条件

在开始搭建TensorFlow深度学习框架之前，您必须先完成以下工作：

注册阿里云账号，并完成实名认证。具体步骤，请参见注册阿里云账号和实名认证。
登录NGC网站，注册NGC账号。
登录NGC网站，获取NGC API key并保存到本地。登录NGC容器环境时需要验证您的NGC API Key。

背景信息

NGC（NVIDIA GPU CLOUD）是NVIDIA开发的一套深度学习生态系统，可以使开发者免费访问深度学习软件堆栈，建立适合深度学习的开发环境。

目前NGC在阿里云gn5实例作了全面部署，并且在镜像市场提供了针对NVIDIA Pascal GPU优化的NGC容器镜像。通过部署镜像市场的NGC容器镜像，开发者能简单快速地部署NGC容器环境，即时访问优化后的深度学习框架，大大缩减产品开发以及业务部署的时间，实现开发环境的预安装；同时支持调优后的算法框架，并且保持持续更新。

NGC网站提供了目前主流深度学习框架不同版本的镜像（例如Caffe、Caffe2、CNTK、MxNet、TensorFlow、Theano、Torch），您可以选择需要的镜像部署环境。

支持部署NGC环境的实例规格族包括：

gn4、gn5、gn5i、gn6v、gn6i、gn6e
ebmgn5i、ebmgn6i、ebmgn6v、ebmgn6e

下面以gn5实例为例，为您演示创建GPU实例和部署NGC环境的步骤。

操作步骤

创建一台gn5实例。具体操作，请参见使用向导创建实例。
在配置参数时，您需要注意以下几点：
- 地域：只能选择华北1（青岛）、华北2（北京）、华北3（张家口）、华北5（呼和浩特）、华东1（杭州）、华东2（上海）、华南1（深圳）。
- 实例：选择gn5实例规格。
- 镜像：单击镜像市场，在弹出的对话框中，找到NVIDIA GPU Cloud VM Image，然后单击使用。

- 公网带宽：选择分配公网IP地址。
  说明如果这里没有分配公网IP地址，则在实例创建成功后，需要绑定EIP地址。
- 安全组：选择一个安全组。安全组里必须开放TCP 22端口。如果您的实例需要支持HTTPS或DIGIT 6服务，必须开放TCP 443（用于HTTPS）或TCP 5000（用于DIGITS 6）端口。
ECS实例创建成功后，请登录ECS管理控制台，记录实例的公网IP地址。
连接ECS实例。
根据创建实例时选择的登录凭证选择以下任一方式连接ECS实例：
- 使用密码验证连接ECS实例
- 使用SSH密钥对验证连接ECS实例
按界面提示输入NGC官网获取的NGC API Key后按回车键，即可登录NGC容器环境。

4、运行nvidia-smi命令。

您能查看当前GPU的信息，包括GPU型号、驱动版本等，如下图所示。

5、按以下步骤搭建TensorFlow深度学习框架。

登录NGC网站，在TensorFlow镜像页面，获取docker pull命令。

下载TensorFlow镜像。

docker pull nvcr.io/nvidia/tensorflow:18.03-py3

查看下载的镜像。
```
docker image ls                   
```

运行容器，完成TensorFlow开发环境的部署。

nvidia-docker run --rm -it nvcr.io/nvidia/tensorflow:18.03-py3

选择以下任一种方式测试TensorFlow。

简单测试TensorFlow。

$python

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> sess.run(hello)

如果TensorFlow正确加载了GPU设备，返回结果如下图所示。

下载TensorFlow模型并测试TensorFlow。

git clone https://github.com/tensorflow/models.git
cd models/tutorials/image/alexnet
python alexnet_benchmark.py --batch_size 128 --num_batches 100

运行状态如下图所示。

保存TensorFlow镜像的修改。否则，下次登录时配置会丢失。

　　GPU AI模型训练最佳实践

　　典名科技介绍适用于AI图片训练场景，使用CPFS/NAS作为共享存储，利用容器服务Kubernetes版管理GPU云服务器集群进行图片AI训练。
　　
　　实现的方式
　　搭建AI图片训练基础环境。使用CPFS存储训练数据。使用飞天AI加速训练服务加速训练。使用Arena一键提交作业。
　　
　　部署架构图

　　
　　选用的产品
　　GPU服务器
　　GPU云服务器是基于GPU应用的计算服务，多适用于AI深度学习、视频处理、科学计算、图形可视化等应用场景。
　　文件存储NAS
　　阿里云文件存储NAS是一个可共享访问、弹性扩展、高可靠、高性能的分布式文件系统。兼容POSIX文件接口，可支持数千台计算节点共享访问，可以挂载到弹性计算ECS、神龙裸金属、容器服务ACK、弹性容器ECI、批量计算BCS、高性能计算EHPC、AI训练PAI等计算业务上提供高性能的共享存储，用户无需修改应用程序，即可无缝迁移业务系统上云。
　　文件存储CPFS
　　文件存储CPFS（Cloud Parallel File Storage），是阿里云完全托管、可扩展的并行文件存储系统，针对高性能计算场景的性能要求进行了深度优化，提供对数据毫秒级的访问和高聚合IO、高IOPS的数据读写请求，可以用于AI深度训练、自动驾驶、基因计算、EDA仿真、石油勘探、气象分析、机器学习、大数据分析以及影视渲染等业务场景中。
　　容器服务 ACK
　　容器服务Kubernetes版（ACK）提供高性能可伸缩的容器应用管理能力，支持企业级容器化应用的全生命周期管理。整合阿里云虚拟化、存储、网络和安全能力，打造云端最佳容器化应用运行环境。