GPU云加速器 - 实例| 阿里云

飞天AI加速器AIACC（Apsara AI Accelerator）是阿里云自研的AI加速器，包括训练加速器AIACC-Training和推理加速器AIACC-Inference，支持统一加速AI主流计算框架TensorFlow、PyTorch、MxNet和Caffe。GPU云加速器可以自动配置包含AIACC-Training的Python Conda环境。

背景信息

Conda是一款开源跨平台的软件包和环境管理系统。在GPU云加速器自动配置的Python Conda环境中，您可以轻松安装和切换深度学习框架，并通过AIACC-Training显著提升训练性能。

AIACC-Training包括以下加速特性：

梯度融合通信支持自适应多流、自适应梯度融合，显著提升带宽密集的网络模型的训练性能，约提速50%至300%。
采用去中心化梯度协商机制，将大规模节点下梯度协商的通信量降低1到2个数量级。
采用分级的Allreduce方法，支持FP16梯度压缩及混合精度压缩。
支持在训练过程中开启NaN检查，支持定位NaN来自于哪个梯度（需要为SM60及更新平台）。
提供针对MXNet的API扩展，支持insighface类型的数据和模型并行。
提供针对RDMA网络的深度优化。

自动安装AIACC-Training

AIACC依赖GPU驱动、CUDA和cuDNN，请在创建GPU实例时，配置自动安装GPU驱动，然后选中GPU云加速器。GPU实例创建完成后，会根据您选择的CUDA版本配置包含AIACC-Training v1.3.0的Python Conda环境。创建GPU实例的具体操作，请参见创建配备NVIDIA GPU的实例。自动安装GPU云加速器

Python Conda环境包括AIACC-Training及OpenMPI等依赖包，但不包括深度学习框架。安装深度学习框架的具体操作，请参见安装深度学习框架。

CUDA版本决定支持安装的深度学习框架版本，对应关系如下表所示。


CUDA版本	默认进入的Conda环境	支持安装的深度学习框架版本
CUDA 10.1	tf2.1_cu10.1_py36	Tensorflow 2.1
CUDA 10.0	tf1.15_tr1.4.0_mx1.5.0_cu10.0_py36	Tensorflow 1.15 + Pytorch 1.4.0 + MXNet 1.5.0 Tensorflow 1.14 + Pytorch 1.3.0 + MXNet 1.4.0
CUDA 9.0	tf1.12_tr1.3.0_mx1.5.0_cu9.0_py36	Tensorflow 1.12 + Pytorch 1.3.0 + MXNet 1.5.0

安装深度学习框架

远程连接实例。
查看自动激活的Conda环境。
查看用户名前显示的版本号即可，示例如下图所示。
tf2.1_cu10.1_py36代表：
- Tensorflow 2.1
- CUDA 10.1
- Python 3.6
可选：如果您不需要使用自动激活的Conda环境，激活其它Conda环境。
1. 查看所有Conda环境。
```
conda env list
```
  示例如下图所示。
2. 激活需要使用的conda环境。
```
conda activate [version number]
```
  示例如下图所示。
安装深度学习框架。
```
install_frameworks.sh
```
示例如下图所示。
测试demo。
以测试TensorFlow的demo为例。
- 如果TensorFlow版本为2.1：
  1. 解压demo测试包。
```
tar -xvf ali-perseus-demos.tgz
```
  2. 进入TensorFlow的demo目录。
```
cd ali-perseus-demos/tensorflow2-examples
```
  3. 执行目录下的测试脚本。
    示例命令如下：
```
python tensorflow2_keras_mnist_perseus.py
```
    该demo使用MNIST数据集进行训练，在提升训练性能的同时，保证和您的基准代码达到相同的精度。训练结果示例如下图所示。
- 如果TensorFlow版本为1.14：
  1. 解压demo测试包。
```
tar -xvf ali-perseus-demos.tgz
```
  2. 进入TensorFlow的demo目录。
```
cd ali-perseus-demos/tensorflow-benchmarks
```
  3. 查看README.txt中的测试命令。
  4. 进入对应版本的测试脚本目录。
    示例命令如下：
```
cd benchmarks-tf1.14
```
  5. 根据实例规格的GPU数量修改并执行测试命令。
    示例命令如下：
```
mpirun --allow-run-as-root --bind-to none -np 1 -npernode 1  \
       --mca btl_tcp_if_include eth0  \
       --mca orte_keep_fqdn_hostnames t   \
       -x NCCL_SOCKET_IFNAME=eth0   \
       -x LD_LIBRARY_PATH   \
       ./config-fp16-tf.sh
```
    该demo使用合成数据进行训练，测试训练速度。训练结果示例如下图所示。