在 Google Cloud 上使用 GPU 进行深度学习加速

深度学习需要用到GPU的并行计算能力进行加速,由于不方便安装台式机,计划用云GPU进行,以国内某知名云为例:

CPU: E5 4vCPU,内存: 30G,GPU: NVIDIA P100,SSD: 40G,硅谷节点(无国内节点),包月5460.80元

而Google Cloud Compute Engine提供以小时计费的GPU计算单元(关机后不收费),相似配置需要894.06美元/月(约6000元),如果按小时计费,约1.225美元/小时,所以如果是学习为目的的话Google Cloud还是非常划算的。

1.创建Google Compute Engine

选择Compute Engine -> VM instances -> Create Instance

选择适合你的CPU、GPU、内存配置,可以先选低一点,后期随时可以调,GPU也是,我选择了如下配置:

接着配置启动磁盘,这里选择了对新手友好的Ubuntu,如果对速度有要求,建议勾选SSD(后期不能更改类型,但可以更改容量),大小不要太低,也不用太高,后期可以再加存储:

最后勾选上允许HTTP/HTTPS,点击Create创建。

2.配置服务器

服务器创建好后就自动启动了,但是没有添加公钥,还不能访问,在本机生成SSH私钥和公钥(过程略),在Compute Engine页面选择Metadata -> SSH Keys 添加。可以把最后一行==后面的改成密钥的名称 (等号后有一个空格),保存。

如果需要使用SSH 用户名/密码 的方式登录,需要设置密码:

点击instance旁边网页版的SSH:

连接后 sudo passwd username 设置密码即可

接着就可以选择你喜欢的SSH客户端登录了

为了能正常使用jupyter notebook,需要配置防火墙:

选择VPC network -> Firewall rules

添加一条允许jupyter8888端口通过的规则:

3.安装anaconda

创建环境

进入Anconda的下载页面: https://www.anaconda.com/downloads,选择Linux,下载,然后取消下载(因为太慢,而且还不在服务器上),进入下载页面,复制刚才的下载链接,例如:https://repo.anaconda.com/archive/Anaconda3-5.2.0-Linux-x86_64.sh

进入服务器,使用wget下载:

 

下载好后安装:

 

安装过程中一路Enter,接受条款yes,加入环境yes,安装VSCode No(命令行怎么用VSCode呀)

重新加载bashrc:

 

4. 安装相关包

首先创建一个专用的环境,这里用python2.7

 

激活环境

 

安装包

 

5. 安装CUDA

使用Google Cloud提供的脚本:

创建文件: touch install-cuda.sh

编辑 vim install-cuda.sh  保存退出

执行: sudo bash install-cuda.sh

完成后执行 nvidia-smi 测试:

可以看到相关GPU的信息,内存,温度,占用等

发表评论

电子邮件地址不会被公开。 必填项已用*标注

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据