来源：unsplash重复的工作总是很烦人。就像每次我开始一个新项目时，我都必须一遍又一遍地创建新的深度学习机器。先安装Anaconda，然后为Python和Tensorflow配置不同的环境，防止相互干扰。在此过程中，您不可避免地会陷入混乱并重新开始，检查所有StackOverflow线程，但不知道哪里出了问题。这种情况经常发生。被折磨了很多次之后，我开始思考，有没有更高效的方法呢？付出就有收获。我终于找到了在EC2上设置深度学习服务器的最简单方法。只需30分钟即可摆脱重复性任务，您可以腾出时间去做更重要的事情。要构建AmazonEC2机器，您必须首先拥有AWS帐户并登录AWS控制台。如果没有，需要先申请一个AmazonAWS账号。第一步，转到“服务”选项卡以访问EC2仪表板。第二步，在EC2仪表板上，开始创建您自己的实例。第三步，亚马逊为CommunityAMIs（AmazonMachineImage）提供预装的深度学习软件。要访问这些AMI，首先访问社区AMI并在搜索选项卡中搜索“Ubuntu版本深度学习”。其他Linux操作系统也可以，但是我觉得Ubuntu版本最适合做深度学习。此步骤将使用深度学习AMI(Ubuntu18.04)，版本27.0。接下来，一旦选择了AMI，下一步就是选择实例类型。这时候就需要确定系统中需要的CPU、内存和GPU的数量。亚马逊根据个人需求提供多种选择。可以使用“过滤依据”过滤器过滤GPU实例。本文使用p2.xlaege实例，它为NVIDIAK80GPU提供2496个并行处理核心和12GiB的GPU显存。第五步可以换第四步机器附带的内存，或者不预加内存也可以稍后再做。绝大多数深度学习都需要足够的内存容量，所以我把内存容量从90GB增加到500GB。第六步，完成以上步骤后，就可以进入实例设置的最终页面，启动实例了。单击启动后，您将看到这样一个页面。在Keypairname中写入密钥名称，点击“Downloadkeypair”。密钥将以提供的名称下载到计算机。设置的名称是“aws_key.pem”。完成后，您可以单击“LaunchInstances”。每次登录自己的实例时，都会要求您输入密钥对，所以一定要保证密钥对的安全。好的，现在您可以单击下一页上的“Viewinstances”来查看您的实例。这就是创建的实例：如果你想连接到实例，只需在本地机器上打开一个终端窗口，浏览到你保存密钥对文件的文件夹，并修改一些权限。chmod400aws_key.pem操作后，您可以通过SSHing连接到实例。SSH命令的形式如下：ssh-i"aws_key.pem"ubuntu@命令是这样的：ssh-i"aws_key.pem"ubuntu@ec2-54-202-223-197.us-west-2.compute.amazonaws.com另外请记住，如果实例关闭，公共DNS可能会发生变化。此时机器准备就绪。这台机器包含不同的环境和每个可能需要的库。该特定机器还具有MXNet、Tensorflow和Pytorch，以及各种版本的python。所有这些都已预先安装好，可以立即使用。如果你想创建一个JupyterNotebook来充分发挥设备的性能，有几件事情是必不可少的。其中之一是Jupyter笔记本。我建议使用TMUX和隧道在机器上创建Jupyter笔记本。使用TMUX运行JupyterNotebook首先使用TMUX在实例上运行JupyterNotebook。采用TMUX主要是因为JupyterNotebook在终端连接丢失的情况下仍然可以运行。因此，我们需要使用如下代码来创建一个新的TMUX会话：tmuxnew-sStreamSession完成后，你会看到底部带有绿色边框的新界面。然后，您可以使用常规的Jupyternotebook命令来创建您自己的JupyterNotebook。如下图：复制登录URL会有帮助，这样以后登录JupyterNotebook的时候可以拿到一个token。令牌如下所示：http://localhost:8888/?token=5ccd01f60971d9fc97fd79f64a5bb4ce79f4d96823ab7872下一步是分离TMUX会话，这样即使SSHshell关闭，它也能继续在后台运行。只要按Ctrl+B，再按D（按D的时候不要按Ctrl）回到初始界面，会看到信息：当前会话已断开。如果需要，也可以使用如下代码重新连接会话：tmuxattach-tStreamSession2.SSHtunneltoaccessJupyternotebookonthelocalbrowser第二步进入亚马逊实例，在本地浏览器获取JupyterNotebook。可以看到，JupyterNotebook实际上是在云实例的本地主机上运行的。那么我们如何访问它呢？SSH隧道。相当于直接填空。只需在本地计算机终端窗口中使用以下命令：ssh-i"aws_key.pem"-L:localhost:8888ubuntu@在这种情况下使用：ssh-i"aws_key.pem"-L8001:localhost:8888ubuntu@ec2-54-202-223-197.us-west-2.compute.amazonaws.com意味着如果我在本地机器浏览器上打开localhost:8001，我必须能够使用JupyterNotebook。现在输入上一步中保存的令牌以访问笔记本。token是5ccd01f60971d9fc97fd79f64a5bb4ce79f4d96823ab7872用你自己的token登录，你就完全拥有了属于自己的notebook！现在选择您想要开始新项目的任何环境。它可以是Tensorflow或Pytorch，也可以是两者的最佳版本。这款笔记本不会让您失望。调试机器重启后，您可能会遇到某些NVIDIA显卡的问题。我刚遇到nvidia-smi命令停止工作的情况。如果遇到此问题，可以通过从NVIDIA网站下载显卡驱动程序来解决。以上是我选择的特定AMI的设置。点击搜索，您将看到下一页：只需右键单击并复制链接地址即可复制下载链接。然后在机器上运行以下命令。您可能需要在此更改链接地址和文件名。#Whennvidia-smidoesntwork：wgethttps://www.nvidia.in/content/DriverDownload-March2009/confirmation.php?url=/tesla/410.129/NVIDIA-Linux-x86_64-410.129-diagnostic.run&lang=in&type=TeslasudoshNVIDIA-Linux-x86_64-410.129-diagnostic.run--no-drm--disable-nouveau--dkms--silent--install-libglvndmodinfonvidia|head-7sudomodprobenvidia停止实例好了，你已经创建并开始运行深度学习机，你可以随心所欲地使用它。有一点要注意，当你停止工作时记得停止实例，这样当你不在实例上工作时就不必向亚马逊支付费用。另外，当你再次登录本机时，需要从实例页面获取PublicDNS（IPv4），以防止更改。搭建深度学习环境是一件非常重要的事情。现在您已经了解了如何在尽可能短的时间内使用深度学习社区AMI、TMUX和隧道在EC2上为JupyterNotebooks创建一个新的深度学习服务器。此预装服务器具有您工作中可能需要的所有深度学习库，并且开箱即用。你还在等什么？
