Deep Learning Instance를 사용하려면 먼저 인스턴스를 생성해야 합니다.
Deep Learning Instance 생성 버튼을 클릭하면 Machine Learning > Deep Learning Instance > 인스턴스 생성으로 이동합니다.
Deep Learning Instance에서는 다음과 같은 버전의 소프트웨어가 제공됩니다.
Version | Deep Learning Framework | NVIDIA CUDA | NVIDIA cuDNN | OS |
---|---|---|---|---|
v2.0 | TensorFlow 2.9 | 11.2 | 8.1 | Ubuntu 20.04 |
PyTorch 1.12 | 11.6 | 8.2 | Ubuntu 20.04 |
NVIDIA cuDNN 이 소프트웨어에는 NVIDIA Corporation에서 제공한 소스 코드가 포함되어 있습니다. License
설정을 완료한 후 인스턴스를 생성합니다. 인스턴스 생성에 대한 자세한 내용은 Instance 개요를 참고하시기 바랍니다.
conda 명령어를 사용하여 Miniconda로 설치된 개발 환경을 확인합니다.
$ conda info --envs
# conda environments:
#
/opt/intel/oneapi/intelpython/latest
/opt/intel/oneapi/intelpython/latest/envs/2021.4.0
base * /root/miniconda3
pt_py38 /root/miniconda3/envs/pt_py38
tf2_py38 /root/miniconda3/envs/tf2_py38
[참고]
더 자세한 사용법은 Miniconda 문서를 참고하세요.
먼저 TensorFlow 환경을 활성화합니다.
(base) root@b64e6a035884:~# conda activate tf2_py38
(tf2_py38) root@b64e6a035884:~#
다음과 같이 TensorFlow 훈련을 테스트합니다.
$ cd ~/
$ git clone https://github.com/tensorflow/models.git
$ cd models
$ git checkout tags/v2.4.0
$ git status
HEAD detached at v2.4.0
nothing to commit, working tree clean
$ mkdir $HOME/models/model
$ mkdir $HOME/models/dataset
$ vim train.sh
#!/bin/bash
export PYTHONPATH=$HOME/models
export NCCL_DEBUG=INFO
MODEL_DIR=$HOME/models/model
DATA_DIR=$HOME/models/dataset
# 1개 이상의 GPU를 사용 시 설정
NUM_GPUS=1 # 예) NUM_GPUS=2
python $HOME/models/official/vision/image_classification/mnist_main.py \
--model_dir=$MODEL_DIR \
--data_dir=$DATA_DIR \
--train_epochs=2 \
--distribution_strategy=mirrored \ # 1개 이상의 GPU를 사용 시 설정
--num_gpus=$NUM_GPUS \ # 1개 이상의 GPU를 사용 시 설정
--download
$ chmod +x train.sh
$ ./train.sh
[참고]
더 자세한 사용법은 TensorFlow 튜토리얼을 참고하세요.
먼저 PyTorch 환경을 활성화합니다.
(tf2_py38) root@b64e6a035884:~# conda deactivate
(base) root@b64e6a035884:~# conda activate pt_py38
(pt_py38) root@b64e6a035884:~#
다음과 같이 PyTorch 훈련을 테스트합니다.
$ cd ~/
$ git clone https://github.com/pytorch/examples.git
$ cd examples/mnist
$ python main.py --epochs 1
[참고]
더 자세한 사용법은 PyTorch 튜토리얼을 참고하세요.