全部产品
Search

搜索本产品

    GPU 云服务器：安装AIACC-Training

    文档中心

    GPU 云服务器：安装AIACC-Training

    更新时间：Apr 11, 2024

    AIACC-Training支持基于主流人工智能（包括PyTorch、TensorFlow、MXNet、Caffe等）搭建的模型进行分布式训练。在接口层面上，目前AIACC-Training兼容了PyTorch DDP以及Horovod的API，对于原生使用上述分布式训练方法的训练代码，可以做到无感的性能加速。本文为您介绍安装AIACC-Training 1.5.0的多种方式。

    前提条件

    已创建阿里云GPU实例，且GPU实例需满足以下要求：

    • 操作系统为Alibaba Cloud Linux、CentOS 7.x或Ubuntu 16.04以上版本。

    • 已安装NVIDIA Driver和CUDA 10.0或以上版本。

    背景信息

    本文以安装AIACC-Training 1.5.0版本为例，您可以根据自身业务场景选择以下任一方式安装AIACC-Training。

    场景说明

    安装方式

    如果已经布置了深度学习的AI训练环境，则您可以通过自动或手动方式安装AIACC-Training。

    方式一：在已有的AI软件环境中安装AIACC-Training

    如果需要使用Conda环境，则您可以通过一键创建包含AIACC-Training的Conda环境的方式来安装AIACC-Training。

    方式二：安装包含了AIACC-Training的Conda环境

    如果需要使用Docker环境，则您可以通过下载已配备了AIACC-Training的Docker镜像的方式安装AIACC-Training。

    方式三：安装配有AIACC-Training的Docker镜像

    说明

    在ECS管理控制台创建GPU实例时，如果控制台页面存在AIACC训练加速选项，且您已选中该选项，则GPU实例创建完成后，会同步自动安装AIACC-Training 1.3.3版本。推荐您选用上述列表中的三种安装方式之一来安装AIACC-Training 1.5.0版本。

    支持的框架列表

    AIACC-Training提供了对应不同深度学习框架版本的软件包，目前支持的框架版本如下：

    CUDA版本

    框架类型

    框架版本

    10.0

    PyTorch

    1.2.0、1.3.0

    TensorFlow

    1.14.0、1.15.0、2.0.0

    MXNet

    1.4.1、1.5.0、1.7.0

    10.1

    PyTorch

    1.6.0、1.5.1、1.4.0

    TensorFlow

    2.1.0、2.2.0、2.3.0

    MXNet

    1.4.1、1.5.0、1.6.0、1.7.0、1.9.0

    10.2

    PyTorch

    1.5.1、1.6.0、1.8.0、1.8.2、1.9.0、1.10.0

    MXNet

    1.9.0

    11.0

    PyTorch

    1.7.0、1.7.1

    TensorFlow

    2.4.0

    MXNet

    1.9.0

    说明

    • 目前TensorFlow以及MXNet仅支持Python 3.6版本。

    • PyTorch支持Python 3.6~Python 3.9版本，具体与PyTorch官网提供的版本支持一致。更多版本支持信息，请参见PyTorch官网。

    • 如果您使用的框架版本不在上表支持范围内，请提交工单获取支持。

    方式一：在已有的AI软件环境中安装AIACC-Training

    如果您已经布置了深度学习的AI训练环境，则可以通过自动或手动方式安装AIACC-Training。安装前您的环境需满足以下条件：

    • 已安装Python 3以及对应的pip工具。

    • 已安装深度学习框架PyTorch、TensorFlow或MXNet。

    重要

    重新安装了深度学习框架之后，也需要再次安装AIACC-Training。

    （推荐）自动安装方式

    AIACC-Training提供了对应框架版本的Python软件包，您可以执行以下命令，通过一键脚本自动安装。

    wget https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/install_AIACC-Training.sh && bash install_AIACC-Training.sh
    说明

    脚本默认使用python3作为Python的命令，如果您需要使用其他Python命令，可在脚本的最后添加。例如使用python作为Python的命令，请执行命令wget https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/install_AIACC-Training.sh && bash install_AIACC-Training.sh python进行一键安装。

    手动安装方式

    您可以执行以下命令，使用pip手动安装最新的AIACC-Training软件包。

    • 如果您使用的是PyTorch，请使用以下命令安装AIACC-Training。

      pip install --force-reinstall https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/cuda${cuda_version}/perseus_torch-1.5.0%2B${framework_version}-cp${python_version}-cp${python_version}m-linux_x86_64.whl --trusted-host mirrors.aliyun.com -i http://mirrors.aliyun.com/pypi/simple/

      部分参数说明如下：

      • ${cuda_version}为CUDA的版本，需要去除版本号中的半角句号（.），例如CUDA 11.0对应cuda_version=110。

      • ${framework_version}为框架版本号，例如PyTorch 1.7.1对应framework_version=1.7.1。

      • ${python_version}为Python的版本号，需要去除版本号中的半角句号（.），例如Python 3.6对应python_version=36。

      对于Python 3.8或以上版本的whl包，请使用如下的下载地址模板：

      https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/cuda${cuda_version}/perseus_${framework}-1.5.0%2B${framework_version}-cp${python_version}-cp${python_version}-linux_x86_64.whl

      以PyTorch 1.7.1、CUDA 11.0、Python 3.6版本为例，安装命令如下：

      cuda_version=110         # 注意：此处不带“.”号
framework=torch
framework_version=1.7.1
python_version=36
pip install --force-reinstall https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/cuda${cuda_version}/perseus_${framework}-1.5.0%2B${framework_version}-cp${python_version}-cp${python_version}m-linux_x86_64.whl --trusted-host mirrors.aliyun.com -i http://mirrors.aliyun.com/pypi/simple/

    • 如果您使用TensorFlow或MXNet，请使用以下命令安装AIACC-Training。

      pip install --force-reinstall https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/cuda${cuda_version}/perseus_${framework}-1.5.0%2B${framework_version}-py2.py3-none-manylinux1_x86_64.whl --trusted-host mirrors.aliyun.com -i http://mirrors.aliyun.com/pypi/simple/

      以TensorFlow 1.15.0、CUDA 10.0、Python 3.6版本为例，安装命令如下：

      cuda_version=100         # 注意：此处不带“.”号
framework=tensorflow
framework_version=1.15.0
pip install --force-reinstall https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/cuda${cuda_version}/perseus_${framework}-1.5.0%2B${framework_version}-py2.py3-none-manylinux1_x86_64.whl --trusted-host mirrors.aliyun.com -i http://mirrors.aliyun.com/pypi/simple/

    方式二：安装包含了AIACC-Training的Conda环境

    Conda是一款开源跨平台的软件包及环境管理系统。您可以一键创建包含AIACC-Training的Conda环境，该环境已安装CUDA Toolkit、Python 3、深度学习框架以及最新的AIACC-Training软件等，方便您快速搭建和管理不同的深度学习框架和版本，并通过AIACC-Training显著提升训练性能。

    1. 前往Conda官网，下载并安装最新版本的Miniconda。

    2. 根据需要的框架版本和环境信息，执行如下命令，一键创建相应的Conda环境。

      conda env create -f https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/conda/latest/${framework}_${framework_version}_cu${cuda_version}_py${python_version}.yaml

      以PyTorch 1.7.1、CUDA 11.0、Python 3.6为例，一键创建Conda环境的命令如下：

      cuda_version=11.0  
framework=torch    
framework_version=1.7.1
python_version=36
conda env create -f https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/conda/latest/${framework}_${framework_version}_cu${cuda_version}_py${python_version}.yaml

      部分参数说明如下：

      • ${cuda_version}：需为带半角句号（.）的CUDA版本号，此版本必须小于或等于GPU已安装的CUDA版本。

      • ${framework}：为深度学习框架类型，tensorflow/mxnet/torch分别对应TensorFlow/MXNet/PyTorch框架。

      • ${framework_version}为框架版本号，例如PyTorch 1.7.1对应framework_version=1.7.1。

      • ${python_version}为Python的版本号，需要去除版本号中的半角句号（.），例如Python 3.6对应python_version=36。

      重要

      若提示找不到该Conda环境的URL，则表示暂不支持该框架版本。更多信息，请参见支持的框架列表。

    方式三：安装配有AIACC-Training的Docker镜像

    您可以下载已安装了AIACC-Training的Docker镜像，该镜像内已安装CUDA、Python 3、深度学习框架和最新的AIACC-Training软件等，能够帮助您快速部署深度学习环境，管理不同的CUDA环境，并通过AIACC-Training显著提升训练性能。

    安装前您的环境需满足以下条件：

    根据需要的框架版本和环境信息，执行以下命令，下载对应的Docker镜像。

    docker pull registry.cn-beijing.aliyuncs.com/cto_office/perseus-training:${os_type}-cu${cuda_version}-${framework}${framework_version}-py${python_version}-latest

    部分参数说明如下：

    简称

    说明

    示例值

    ${os_type}

    Docker镜像的操作系统类型。

    说明

    Docker内的操作系统类型与GPU实例的操作系统类型无关。

    centos7

    ${cuda_version}

    CUDA的版本号。

    说明

    版本号需带半角句号（.），此版本可小于或等于GPU已安装的CUDA版本。

    11.0

    ${framework}

    深度学习框架类型的缩写。tf/mx/pt分别对应TensorFlow/MXNet/PyTorch框架。

    tf

    ${framework_version}

    深度学习框架对应的版本号，格式为xx.xx.xx。

    2.4.0

    ${python_version}

    Python版本号。

    说明

    版本号不带半角句号（.），例如36/37/38分别对应Python 3.6/Python 3.7/Python 3.8版本。

    36

    以CentOS 7、CUDA 11.0、TensorFlow 2.4.0的镜像为例，一键安装命令如下：

    os_type=centos7          
cuda_version=11.0        
framework=tf             
framework_version=2.4.0
python_version=36        
docker pull registry.cn-beijing.aliyuncs.com/cto_office/perseus-training:${os_type}-cu${cuda_version}-${framework}${framework_version}-py${python_version}-latest

    关于如何使用Docker进行分布式训练，具体操作，请参见Horovod in Docker。

    说明

    • 如果提示找不到该Docker镜像，则表示暂不支持该框架版本。更多信息，请参见支持的框架列表。

    • 如果使用容器进行分布式训练，执行docker run命令启动需要增大shm的分配，参数为--shm-size=1g --ulimit memlock=-1。