在30分鐘內創建你的深度學習服務器

每當我開始一個新的項目時，我發現自己一次又一次地創建一個深度學習機器。

從安裝Anaconda開始，最后為Pytorch和Tensorflow創建不同的環境，這樣它們就不會相互干擾。而在這中間，你不可避免地會搞砸，從頭開始。這種情況經常發生多次。

這不僅是對時間的巨大浪費，它也是令人惱火的。通過所有的堆棧溢出線程，我們經常想知道究竟出了什么問題。

那么，有沒有一種方法可以更有效地做到這一點呢？

在這個博客中，我將嘗試在EC2上以最小的努力建立一個深度學習服務器，這樣我就可以專注于更重要的事情。

本博客明確地由兩部分組成：

設置一個預先安裝了深度學習庫的Amazon EC2機器。
使用TMUX和SSH隧道設置Jupyter notebook。

別擔心，這不像聽起來那么難。只需按照步驟操作，然后單擊“下一步”。

設置Amazon EC2計算機

我假設你擁有一個AWS賬戶，并且可以訪問AWS控制臺。如果沒有，你可能需要注冊一個Amazon AWS賬戶。

AWS控制臺：https://aws.amazon.com/console/
首先，我們需要轉到“Services”選項卡以訪問EC2儀表板。

在EC2儀表板上，你可以從創建實例開始。

亞馬遜向社區AMI（亞馬遜機器映像）預裝了深度學習軟件。要訪問這些AMI，你需要查看社區AMI，并在“搜索”選項卡中搜索“ Ubuntu深度學習”。你可以選擇其他任何linux風格，但是我發現Ubuntu對于滿足我的深度學習需求最為有用。在當前設置中，我將使用深度學習AMI（Ubuntu 18.04）27.0版

選擇AMI后，可以選擇“實例類型”。在這里，你可以指定系統中所需的CPU，內存和GPU的數量。亞馬遜提供了許多根據個人需求選擇的選項。你可以使用“過濾依據”過濾器過濾GPU實例。在本教程中，我使用了p2.xlarge實例，該實例為NVIDIA K80 GPU提供了2,496個并行處理內核和12GiB的GPU內存。要了解不同的實例類型，你可以查看下方鏈接中的文檔，并查看價格。查看文檔：https://aws.amazon.com/ec2/instance-types/ 查看價格：https://aws.amazon.com/emr/pricing/

你可以在第4步中更改連接到機器的存儲。如果你不預先添加存儲，也可以，因為以后也可以這樣做。我將存儲空間從90 GB更改為500 GB，因為大多數深度學習需求都需要適當的存儲空間。

僅此而已，你可以在進入最終審閱實例設置屏幕之后啟動實例。單擊啟動后，你將看到此屏幕。只需在“Key pair name”中輸入任何密鑰名稱，然后單擊“Download Key Pair”即可。你的密鑰將按照你提供的名稱下載到計算機上。對我來說，它被保存為“aws_key.pem”。完成后，你可以單擊“Launch Instances”啟動實例。

請確保此密鑰對的安全，因為每當你要登錄實例時都需要這樣做。

現在，你可以單擊下一頁上的“View Instances”以查看你的實例。這是你的實例的樣子：

要連接到你的實例，只需在本地計算機上打開一個終端窗口，然后瀏覽到保存密鑰對文件并修改一些權限的文件夾。

chmod 400 aws_key.pem

完成此操作后，你將可以通過SSH連接到你的實例。SSH命令的格式為：

ssh -i“ aws_key.pem” ubuntu @ <你的PublicDNS（IPv4）>

對我來說，命令是：

ssh -i“ aws_key.pem” ubuntu@ec2-54-202-223-197.us-west-2.compute.amazonaws.com

另外，請記住，一旦關閉實例，公用DNS可能會更改。

你已經準備好機器并準備就緒。本機包含不同的環境，這些環境具有你可能需要的各種庫。這臺特定的機器具有MXNet，Tensorflow和Pytorch，以及不同版本的Python。最好的事情是，我們已經預先安裝了所有這些功能，因此開箱即用。

設置Jupyter Notebook

但是，仍然需要使用一些東西才能充分使用計算機。其中之一就是Jupyter Notebook。要在計算機上設置Jupyter Notebook，我建議使用TMUX和隧道。讓我們逐步設置Jupyter Notebook。

使用TMUX運行Jupyter Notebook 我們將首先使用TMUX在實例上運行Jupyter Notebook。我們主要使用它，以便即使終端連接丟失，我們的筆記本電腦仍然可以運行。

為此，你將需要使用以下命令創建一個新的TMUX會話：

tmux new -s StreamSession

完成后，你將看到一個新屏幕，底部帶有綠色邊框。你可以使用jupyter notebook命令在此計算機上啟動Jupyter Notebook 。你將看到類似以下內容：

復制登錄URL將是有益的，這樣以后以后嘗試登錄到jupyter notebook時，我們將能夠獲取令牌。就我而言，它是：

http://localhost:8888/?token=5ccd01f60971d9fc97fd79f64a5bb4ce79f4d96823ab7872

下一步是分離TMUX會話，以便它在后臺繼續運行，即使你離開ssh shell。要做到這一點，只需按Ctrl+B，然后按D（按D時不要按Ctrl），你將返回到初始屏幕，顯示你已從TMUX會話中分離的消息。

如果需要，可以使用以下方法重新連接到會話：

tmux attach -t StreamSession

SSH隧道訪問本地瀏覽器上的notebook

第二步是進入Amazon實例，以便在本地瀏覽器上獲取Jupyter notebook。如我們所見，Jupyter notebook實際上運行在云實例的本地主機上。我們如何訪問它？我們使用SSH隧道。不用擔心，這很簡單。只需在本地機器終端窗口上使用以下命令：

ssh -i“ aws_key.pem” -L <本地計算機端口>：localhost：8888 ubuntu @ <你的PublicDNS（IPv4）>

對于這種情況，我使用了：

ssh -i "aws_key.pem" -L 8001:localhost:8888 ubuntu@ec2-54-202-223-197.us-west-2.compute.amazonaws.com

這意味著，如果我在本地計算機瀏覽器中打開localhost:8001，則可以使用Jupyter Notebook。我當然可以?，F在，我們只需輸入在先前的步驟之一中已經保存的令牌即可訪問notebook。對我來說令牌是5ccd01f60971d9fc97fd79f64a5bb4ce79f4d96823ab7872

令牌: http://localhost:8888/?token=5ccd01f60971d9fc97fd79f64a5bb4ce79f4d96823ab7872&token=5ccd01f60971d9fc97fd79f64a5bb4ce79f4d96823ab7872

你只需使用你的令牌登錄即可。

現在，你可以通過選擇所需的任何不同環境來選擇新項目。你可以來自Tensorflow或Pythorch，也可以兩者兼得。notebook不會讓你失望的。

故障排除

重新啟動計算機后，你可能會遇到NVIDIA圖形卡的一些問題。具體來說，就我而言，該nvidia-smi命令停止工作。如果遇到此問題，解決方案是從NVIDIA 網站下載圖形驅動程序。

NVIDIA 網站:https://www.nvidia.in/Download/index.aspx?lang=en-in

以上是我選擇的特定AMI的設置。單擊搜索后，你將可以看到下一頁：

只需通過右鍵單擊并復制鏈接地址來復制下載鏈接。并在計算機上運行以下命令。你可能需要在其中更改鏈接地址和文件名。

# When nvidia-smi doesnt work:
wget https://www.nvidia.in/content/DriverDownload-March2009/confirmation.php?url=/tesla/410.129/NVIDIA-Linux-x86_64-410.129-diagnostic.run&lang=in&type=Tesla
sudo sh NVIDIA-Linux-x86_64-410.129-diagnostic.run --no-drm --disable-nouveau --dkms --silent --install-libglvnd
modinfo nvidia | head -7
sudo modprobe nvidia

停止實例

就是這樣。你已經掌握并啟動了深度學習機器，并且可以隨意使用它。請記住，無論何時停止工作，都應停止實例，因此，當你不在實例上工作時，無需向Amazon付費。你可以在實例頁面上通過右鍵單擊你的實例來執行此操作。請注意，當你需要再次登錄到該計算機時，你可能需要從實例頁面重新獲得公共DNS（IPv4）地址，因為它可能已更改。