借助 Amazon EC2

启动 AWS Deep Learning AMI

注意:从 v28 版本起,我们不再在 AWS Deep Learning AMI 中包括 CNTK、Caffe、Caffe2 和 Theano Conda 环境。包含这些环境的先前版本的 AWS Deep Learning AMI 继续可用。但是,我们只会在这些框架的开放源社区发布安全修复时提供这些环境的更新。

在本次分步教程中,您将学习如何启动 AWS Deep Learning AMI。AMI 是深度学习框架加载的系统映像,有助于在几分钟内轻松使用深度学习。

通过 AMI,您可以训练自定义模型,试验新算法,并了解新的深度学习技能和方法。AMI 预先安装了 TensorFlow、Apache MXNet、PyTorch、Chainer、Microsoft 认知工具包、Caffe、Caffe2、Theano 以及 Keras 等深度学习框架,它们均已经过优化,以实现在 Amazon EC2 实例上的高性能。AMI 还通过预配置的驱动程序提供 GPU 和 CPU 加速,并且配备了常用的 Python 软件包。

在接下来的几分钟内,您将使用 Deep Learning AMI 启动 EC2 实例、通过 SSH 连接实例,以及从工作站访问 Jupyter Notebook。

完成本教程需要您支付底层 EC2 实例的费用。我们建议您使用“EC2 C5.large”实例,在您终止该实例之前,它每小时产生的费用不足 0.13 USD。本教程将为您介绍如何终止实例以避免产生不必要的费用。



使用此教程需要拥有 AWS 账户


第 1 步:打开 EC2 控制台

使用用户名和密码登录 AWS 管理控制台,以便开始使用。在搜索栏中输入 EC2,然后打开 EC2 服务控制台。

amiTutorial-step1
amiTutorial-step1

(单击可放大)


第 2 步:配置您的实例

在本步骤中,您将使用系统映像设置服务器实例,以便进行深度学习。


第 2a 步:选择 Launch Instance(启动实例)按钮

amiTutorial-step2a
amiTutorial-step2a

(单击可放大)


第 2b 步:选择 AWS Deep Learning AMI

选择左侧的 AWS Marketplace 选项卡,然后搜索 deep learning ubuntu。选择 Deep Learning AMI (Ubuntu)。您还可以选择 Base AMI 设置深度学习框架的自定义构建。两种 AMI 都可用于 Ubuntu 或 Amazon Linux。

amiTutorial-step2b
amiTutorial-step2b

(单击可放大)


第 2c 步:在详细信息页面上,选择 Continue(继续)。

amiTutorial-step2c
amiTutorial-step2c

(单击可放大)


第 2d 步:选择实例类型。

为深度学习训练和部署需求选择实例类型,然后单击 Review and Launch(查看并启动)。此时我们使用了 c5.large 实例,但是您可以选择其他实例类型(包括基于 GPU 的 P3 实例)。

c5_instance
c5_instance

(单击可放大)


第 2e 步:启动实例。

Review(查看)页面上选择 Launch(启动)。

amiTutorial-step2e
amiTutorial-step2e

(单击可放大)


第 2f 步:通过选择 Create a new key pair(创建新密钥对)创建私有密钥文件,然后将其下载到安全的位置。然后启动您的实例。

amiTutorial-step2f
amiTutorial-step2f

(单击可放大)


第 2g 步:单击 View Instance(查看实例)以查看实例状态。

amiTutorial-step2g
amiTutorial-step2g

(单击可放大)


第 2h 步:找到实例的公共 DNS 并复制。

amiTutorial-step2h
amiTutorial-step2h

(单击可放大)


第 3 步:连接实例

此时您将使用命令行终端与 AWS 上的实例通信。如果您使用的是 Windows,则可以使用命令提示符或下载 Git for Windows


第 3a 步:打开命令行终端。

在终端中使用以下命令更改为安全密钥所在的目录,然后使用 SSH 连接实例。(注意:替换下面的粗体文本)

cd /Users/your_username/Downloads/

chmod 0400 <your .pem filename>

ssh -L localhost:8888:localhost:8888 -i <your .pem filename> ubuntu@<your instance DNS>

amiTutorial-step3a
amiTutorial-step3a

(单击可放大)


第 3b 步:在终端中,使用命令:jupyter notebook。 然后复制显示的 URL。

amiTutorial-step3c
amiTutorial-step3c

(单击可放大)


第 4 步:访问 Jupyter Notebook

在此步骤中,您将访问 Jupyter Notebook 以开始使用深度学习框架。如果您正在从 Windows 客户端连接 Jupyter Notebook,则可以遵循此处列出的步骤


打开浏览器窗口,然后导航到上一步中显示的 URL。选择New(最新),使用任一常用的深度学习框架(包括 TensorFlow、Apache MXNet 和 Gluon、Torch、PyTorch、Caffe、Caffe2、Keras、Theano、Microsoft Cognitive Toolkit 和 Chainer)启动新 Notebook。

amiTutorial-step4a
amiTutorial-step4a

(单击可放大)


第 5 步:终止实例

完成后,您可以通过 EC2 控制台轻松终止实例。最好终止不再使用的实例,以免它们继续产生费用。


第 5a 步:返回 EC2 控制台,选中您创建的实例旁边的框。然后单击操作按钮,导航至实例状态,然后单击终止

ami-5a
ami-5a

(单击可放大)


第 5b 步:系统会提示您确认终止 – 选择 Yes, Terminate(是,请终止)。

注意:完成此过程可能需要几秒钟。终止实例后,EC2 控制台上的“实例状态”会变为已终止

dl-ami-5b
dl-ami-5b

(单击可放大)


恭喜!

现在您已启动 AWS Deep Learning AMI,您可以使用所选的深度学习框架轻松运行计算机视觉、自然语言处理、推荐系统等教程。祝您建模愉快!

 

详细了解深度学习

通过入门指南详细了解框架和其他深度学习资源。

深入研究 TensorFlow

使用该分步教程在 AMI 上激活 TensorFlow 框架。

深入研究 Apache MXNet

使用该分步教程在 AMI 上激活 Apache MXNet 框架。


本教程对您是否有帮助?