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.
- Запуск инстанса EC2
- [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
- 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()
.