Нет, для правильной установки tensorflow / pytorch и их зависимостей не требуется шейная борода. В этом руководстве мы установим pytorch на вычислительный экземпляр с поддержкой графического процессора AWS EC2.

Этот пост служит в качестве общего быстрого старта для начала работы с вашей любимой библиотекой / фреймворком глубокого обучения на вычислительном инстансе с поддержкой графического процессора AWS EC2, поскольку практически все остается одинаковым.

  1. Запуск инстанса EC2
  2. [Рекомендуется] Запросить спотовый инстанс и увеличить пространство для хранения в нашем инстансе EC2 для размещения больших наборов данных.
  3. Скачивание и установка CUDA Toolkit и c uDNN library
  4. Установка pytorch с pip

Запуск инстанса EC2

Запустите экземпляр из консоли AWS EC2 и выберите Ubuntu Server 16.04 LTS (HVM), SSD Volume Type — ami-80861296.

Я рекомендую выбрать p2 экземпляр, так как он увеличивается примерно в 2–3 раза по сравнению с g2 экземплярами предыдущего поколения (см. Подробное сравнение здесь).

[Рекомендуется] Запросить спотовый инстанс и увеличить пространство для хранения в нашем инстансе EC2 для размещения больших наборов данных.

Скачивание и установка CUDA Toolkit и c uDNN library

CUDA и cuDNN поставляются с pytorch. Нет необходимости скачивать / устанавливать их. Просто запустите прикрепленный ниже скрипт, чтобы установить требуемый драйвер NVIDA и перезагрузиться:

Если вы используете другую библиотеку / фреймворк глубокого обучения, запустите прикрепленный ниже скрипт, чтобы установить CUDA и cuDNN:

Установка pytorch с pip

Теперь все, что нам нужно сделать, это установить pytorch с pip: $ sudo pip3 install -U http://download.pytorch.org/whl/cu80/torch-0.1.11.post5-cp35-cp35m-linux_x86_64.whl.

Чтобы убедиться, что все работает, откройте интерпретатор Python $ python3 и > import torch > torch.randn(5, 5).cuda().