使用aws跑深度学习_在AWS上配置深度学习主机

介绍

p2.xlarge 是一种非常适合深度学习的云服务器，它配备了 12G 显存的 Tesla K80 显卡，4核 CPU，60G 内存，以及 500M 的网速。如果你还嫌不够，可以选择它的8倍和16倍的版本。

2018年更新：p3.2xlarge 是一种非常适合深度学习的云服务器，它配备了 16G 显存的 Tesla V100 显卡，8核 CPU，60G 内存，以及最高 10Gbps 的网速。如果你还嫌不够，可以选择它的4倍和8倍的版本

注册账号

首先我们需要注册一个 aws 账号，从刚才的地址可以注册，需要 VISA 或 MasterCard 信用卡。

注册好了以后，我们需要申请 p3.2xlarge 的权限，因为aws默认最高允许只开0台机器。

填写工单

这里如果你想用 p2，那么请申请 p2。如果你想用 p3，那么请选择 p3。如果你想用竞价实例，请在下面的 Use Case Description 里面注明 spot instance。

如果没有写工单申请提高上限，直接开机器，就会出现 Instance Count Limit Exceeded 。

开启实例

选择 AMI

首先点击启动实例，然后这里记得选择 Deep Learning AMI，因为预装了NVIDIA 驱动, Python, TensorFlow, Keras 等环境，比较省折腾。当然，如果你想自己配环境，不需要这么多环境，也可以选择 Deep Learning Base AMI，我经常选这个 AMI 作为基础，搭建我的环境。

选择一个实例类型

这里选 p3.xlarge 就好，开启以后一分钟和59分钟都算一个小时，所以开了以后可以放心大胆折腾一个小时，坏了也不用怕，删掉再开一个就好。注意：如果你选择的是 8x 或者 16x，你需要自己实现多 GPU 的代码，不然 Keras 只会使用一个 GPU 来训练。

2018年更新：现在已经精确到小数点后两三位了，大概是按分钟甚至是按秒计价。

后面三步直接下一步就好。

配置安全组

入站和出站记得配置成任所有流量和任意位置，不然到时候 ssh 不上去，或者开 jupyter notebook 连不上去。懂的人可以自行配置，不懂就直接写所有流量就好了，反正有 key 才能连上去。

配置密钥对

如果你有自己常用的私钥和公钥，可以从密钥对这里导入，否则你可以生成一个新的密钥，然后下载密钥对。

连接

在连接以前，它需要进行一段时间初始化(大概五分钟)，所以你可以先等待一会。等它显示已通过的时候，你就可以用 ssh 连接它了。下面是我连接的命令：

ssh -i Downloads/test.pem [email protected]

其中的 key 你需要改为你自己的路径，IP 地址也要改为你自己买的服务器的 IP 地址。如果它提示你是否要确定连接，你要确定：

Are you sure you want to continue connecting (yes/no)? yes

如果提示下面的信息：

@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@

@ WARNING: UNPROTECTED PRIVATE KEY FILE! @

@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@

Permissions 0644 for 'Downloads/test.pem' are too open.

你需要将你的 key 的权限改为只有你可以访问，然后再进行连接：

chmod 700 Downloads/test.pem

开始写代码

你可以通过下面的命令开启一个支持远程连接的 jupyter notebook：

jupyter notebook --ip=0.0.0.0

注意这里的命令需要写--ip=0.0.0.0，它代表监听任意 IP。

然后你需要用浏览器，输入你的服务器 IP:8888 (一定要输入你自己买的服务器的 IP 地址而不是0.0.0.0，比如：http://52.91.231.174:8888)就可以连上服务器，点击右上角新建 notebook 并编写 python 代码了。

如果你想断开 ssh 连接以后还可以在后台运行 notebook，你可以使用screen这个命令：

screen -S jupyter

jupyter notebook --ip=0.0.0.0

进入 screen 以后，任何命令都不受 ssh 断开的影响。-S 后面的 jupyter 只是个名字，你可以使用你喜欢的任何名字。

断开以后恢复的方法：

screen -r jupyter

停止

当你不使用实例的时候，记得停止它。停止以后，不会计费。

事实上由于我是新用户，所以会有一年免费 EBS 试用，一年以后的收费可以参照这里：https://aws.amazon.com/cn/ebs/pricing/，一个月 30G 的 SSD 收费是3美元，因此你可以自行权衡数据和价格，若是一个月以后还要用这些数据，而你愿意出3美元保持这些数据，避免一个月以后麻烦，那么你可以不必终止该实例。当你长期不打算使用该实例时，请务必终止该实例。

竞价实例

竞价实例是一种特殊的实例，它可以以超低的价格提供配置一样的实例，和普通实例的差别在于不可停止，因此当你想跑比较大的网络的时候(训练时间大于1小时)，用竞价实例会非常划算。0.9美元每小时的 p2.xlarge 在竞价实例一个月的历史记录里很少超过0.3美元。即使超过了，我们也不会出高于0.9美元的价格。

上图是这两天的账单，我用了40小时，才花了5.33美元，平均一小时0.13美元，但是这并不代表之后还是保持这个价格。

创建自己的映像(AMI)

当你想创建竞价实例的时候，你可能并不想重新配置一遍环境，这时候你可以创建自己的映像，然后在创建竞价实例的时候使用该映像，这样创建的竞价实例可以完好无损地迁移之前的驱动，环境，以及数据和代码。

创建映像

选择映像(AMI)

实际体验

训练时 nvidia-smi的输出。

如果要监控可以使用下面的命令，一秒刷新一次：

watch -n 1 nvidia-smi

将二十多万张图片载入内存时 htop的输出。