李沐大神的动手学深度学习的创建和使用EC2实例

 使用 AWS 最便宜的 GPU 实例 - 动手学深度学习v2

https://www.bilibili.com/video/BV1MA411L78X?t=493

李沐大神的动手学深度学习的创建和使用EC2实例_第1张图片

 

李沐大神的动手学深度学习的创建和使用EC2实例_第2张图片

 李沐大神的动手学深度学习的创建和使用EC2实例_第3张图片

 先创建好实例,这里根目录给了30G,按照视频里的给20G安装pytorch时会显示空间不足。(越大费用会越贵,各位请按需选择)

本文主为自己这个小白记录一下,也方便以后学习,先在下载的密钥路径位置打开终端。

chmod 400 d2l.pem                                                       设置私有密钥文件的权限(注意文件名)

ssh -i d2l.pem [email protected]                    yes  指定密钥连接到主机

sudo apt-get update                                                       更新一下系统包

sudo apt-get install build-essential                         y      安装开发所需要的一些必要的包

安装CUDA

wget https://developer.download.nvidia.com/compute/cuda/11.4.0/local_installers/cuda_11.4.0_470.42.01_linux.run

sudo sh cuda_11.4.0_470.42.01_linux.run             accept      选择Install

vim .bashrc                                         i编辑

LD_LIBRARY_PATH=/usr/local/cuda-11.4/lib64                            :wq   保存退出       bash

安装miniconda

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

bash Miniconda3-latest-Linux-x86_64.sh                  yes            Enter

PREFIX=/home/ubuntu/miniconda3        

bash        激活环境

conda create -n d2l python=3.8 pip                            y     创建一个名为d2l的环境

conda activate d2l                                                             激活环境

安装pytorch

pip3 install torch==1.9.0+cu111 torchvision==0.10.0+cu111 
torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

去动手学深度学习下载记事本:wget https://zh-v2.d2l.ai/d2l-zh.zip

安装unzip:sudo apt-get install unzip

解压:unzip d2l-zh.zip

输入ls查看文件夹可以看到文件已经解压出来了

 

安装d2l和jupyter

pip install -U d2l jupyter

jupyter notebook                                                      运行jupyter

然后再在密钥存放路径位置打开终端

ssh -i d2l.pem -L8888:localhost:8888 [email protected]   将远程终端映射到本地,再点击之前终端运行jupyter notebook产生的url就可以访问了

李沐大神的动手学深度学习的创建和使用EC2实例_第4张图片

 

设置实例安全组的出入站

入站规则:外网访问服务器主机通过在入站规则进行匹配,如果匹配成功,则放行,允许访问服务器,否则拒绝访问。从而达到防护效果。

出站规则:从服务器访问外网,内部流量访问走向外网,默认允许所有流量通过,如果特殊情况,可以限制某部分流量通过。从而达到预防效果。

后续还可以添加入站规则,分配弹性IP地址的公有IP,将弹性 IP 地址关联实例等。

你可能感兴趣的:(AWS,云计算,深度学习,机器学习,神经网络)