使用aws跑深度学习_11.4. 使用AWS运行代码

11.4.2. 创建并运行EC2实例¶

图11.9展示了EC2面板的界面。在图11.9右上角红框处选择离我们较近的数据中心来降低延迟。我们可以选亚太地区，如Asia

Pacific(Seoul)。注意，有些数据中心可能没有GPU实例。点击图11.9下方红框内“Launch

Instance”按钮启动实例。

图 11.9EC2面板

图11.10的最上面一行显示了配置实例所需的7个步骤。在第一步“1. Choose

AMI”中，选择Ubuntu 16.04作为操作系统。

图 11.10选择操作系统

EC2提供了大量不同配置的实例。如图11.11所示，在第二步“2. Choose Instance

Type”中，选择有一个K80

GPU的p2.xlarge实例。我们也可以选择像p2.16xlarge这样有多个GPU的实例。如果想比较不同实例的机器配置和收费，可参考

https://www.ec2instances.info/ 。

图 11.11选择实例

建议在选择实例前先在图11.9左栏“Limits”标签里检查下有无数量限制。如图11.12所示，该账号的限制是最多在一个区域开一个p2.xlarge实例。如果需要开更多实例，可以通过点击右边“Request

limit increase”链接来申请更大的实例容量。这通常需要一个工作日来处理。

图 11.12实例的数量限制

我们将保持第三步“3. Configure Instance”、第五步“5. Add Tags”和第六步“6.

Configure Security Group”中的默认配置不变。点击第四步“4. Add

Storage”，如图11.13所示，将默认的硬盘大小增大到40

GB。注意，安装CUDA需要4 GB左右空间。

图 11.13修改实例的硬盘大小

最后，在第七步“7.

Review”中点击“Launch”来启动配置好的实例。这时候会提示我们选择用来访问实例的密钥。如果没有的话，可以选择图11.14中第一个下拉菜单的“Create

a new key pair”选项来生成秘钥。之后，我们通过该下拉菜单的“Choose an

existing key pair”选项选择生成好的密钥。点击“Launch

Instances”按钮启动创建好的实例。

图 11.14选择密钥

点击图11.15所示的实例ID就可以查看该实例的状态了。

图 11.15点击实例ID

如图11.16所示，当实例状态(Instance

State)变绿后，右击实例并选择“Connect”，这时就可以看到访问该实例的方法了。例如，在命令行输入以下命令：

ssh -i "/path/to/key.pem" ubuntu@ec2-xx-xxx-xxx-xxx.y.compute.amazonaws.com

其中/path/to/key.pem是本地存放访问实例的密钥的路径。当命令行提示“Are

you sure you want to continue connecting

(yes/no)”时，键入“yes”并按回车键即可登录创建好的实例。

图 11.16查看访问开启实例的方法。

为了使用GPU版本的MXNet，我们还需要在创建好的实例上安装CUDA(参考“安装CUDA”小节)。实际上，我们也可以直接创建已安装CUDA的实例，例如，在第一步“1.

Choose AMI”中，选择“Deep Learning Base AMI (Ubuntu) Version

XX.X”，并保持后面步骤不变。登录实例后，运行cat README命令查看实例上已安装的CUDA各版本(假设含9.0)。如果希望将CUDA的默认版本设为9.0，依次运行命令sudo rm /usr/local/cuda和sudo ln -s /usr/local/cuda-9.0 /usr/local/cuda。之后，即可跳过以下小节的CUDA安装步骤。