×

PyTorch教程23.2之使用亚马逊SageMaker

消耗积分:0 | 格式:pdf | 大小:0.34 MB | 2023-06-05

李莉

分享资料个

深度学习应用程序可能需要如此多的计算资源,很容易超出本地机器所能提供的范围。云计算服务使您可以使用更强大的计算机更轻松地运行本书的 GPU 密集型代码。本节将介绍如何使用Amazon SageMaker来运行本书的代码。

23.2.1. 报名

首先,我们需要在https://aws.amazon.com/注册一个账户为了提高安全性,鼓励使用双因素身份验证。设置详细的账单和支出警报以避免任何意外情况也是一个好主意,例如,当忘记停止正在运行的实例时。登录您的 AWS 账户后,转到您的 控制台并搜索“Amazon SageMaker”(见图23.2.1),然后单击它以打开 SageMaker 面板。

https://file.elecfans.com/web2/M00/AA/4B/pYYBAGR9QF-ASbUGAACrAwalUjI759.png

图 23.2.1搜索并打开 SageMaker 面板。

23.2.2。创建 SageMaker 实例

接下来,让我们创建一个笔记本实例,如图23.2.2所示

https://file.elecfans.com/web2/M00/AA/4B/pYYBAGR9QGGABExWAAJUx3eGdXk227.png

图 23.2.2创建 SageMaker 实例。

SageMaker 提供多种具有不同计算能力和价格的实例类型创建笔记本实例时,我们可以指定其名称和类型。图 23.2.3中,我们选择ml.p3.2xlarge:使用一个 Tesla V100 GPU 和一个 8 核 CPU,这个实例对于本书的大部分内容来说已经足够强大了。

https://file.elecfans.com/web2/M00/AA/4B/pYYBAGR9QGSAIGWNAADY0PTO2uY993.png

图 23.2.3选择实例类型。

可以在https://github.com/d2l-ai/d2l-pytorch-sagemaker上找到用于与 SageMaker 一起运行的 ipynb 格式的整本书我们可以指定此 GitHub 存储库 URL(图 23.2.4)以允许 SageMaker 在创建实例时克隆它。

The entire book in the ipynb format for running with SageMaker is available at https://github.com/d2l-ai/d2l-en-sagemaker. We can specify this GitHub repository URL (Fig. 23.2.4) to allow SageMaker to clone it when creating the instance.

The entire book in the ipynb format for running with SageMaker is available at https://github.com/d2l-ai/d2l-tensorflow-sagemaker. We can specify this GitHub repository URL (Fig. 23.2.4) to allow SageMaker to clone it when creating the instance.

https://file.elecfans.com/web2/M00/A9/D0/poYBAGR9QGaAQZfGAADK3OzN3o4342.png

图 23.2.4指定 GitHub 仓库。

23.2.3。运行和停止实例

创建实例可能需要几分钟时间。当实例准备好后,点击它旁边的“打开Jupyter”链接(图23.2.5),这样你就可以在这个实例上编辑和运行本书的所有Jupyter笔记本(类似于 23.1节中的步骤)。

https://file.elecfans.com/web2/M00/AA/4B/pYYBAGR9QGyAWPOrAACny7NUwlE335.png

图 23.2.5在创建的 SageMaker 实例上打开 Jupyter。

完成您的工作后,不要忘记停止实例以避免进一步收费(图 23.2.6)。

https://file.elecfans.com/web2/M00/A9/D0/poYBAGR9QG6ARV4FAAEYMgNd8CU651.png

图 23.2.6停止 SageMaker 实例。

23.2.4。更新笔记本

这本开源书籍的笔记本将在 GitHub 上的d2l-ai/d2l-pytorch-sagemaker 存储库中定期更新。要更新到最新版本,您可以在 SageMaker 实例上打开一个终端(图 23.2.7)。

Notebooks of this open-source book will be regularly updated in the d2l-ai/d2l-en-sagemaker repository on GitHub. To update to the latest version, you may open a terminal on the SageMaker instance (Fig. 23.2.7).

Notebooks of this open-source book will be regularly updated in the d2l-ai/d2l-tensorflow-sagemaker repository on GitHub. To update to the latest version, you may open a terminal on the SageMaker instance (Fig. 23.2.7).

https://file.elecfans.com/web2/M00/A9/D0/poYBAGR9QHCAPRKfAABLl-IY2FA059.png

图 23.2.7在 SageMaker 实例上打开一个终端。

您可能希望在从远程存储库中提取更新之前提交您的本地更改。否则,只需在终端中使用以下命令丢弃所有本地更改:

cd SageMaker/d2l-pytorch-sagemaker/
git reset --hard
git pull
cd SageMaker/d2l-en-sagemaker/
git reset --hard
git pull
cd SageMaker/d2l-tensorflow-sagemaker/
git reset --hard
git pull

23.2.5。概括

  • 我们可以使用 Amazon SageMaker 创建一个笔记本实例来运行本书的 GPU 密集型代码。

  • 我们可以通过 Amazon SageMaker 实例上的终端更新笔记本。

23.2.6. 练习

  1. 使用 Amazon SageMaker 编辑并运行任何需要 GPU 的部分。

  2. 打开终端以访问托管本书所有笔记本的本地目录。

Discussions


声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !