L'instance GPU créée dans Classification of CIFAR-10 by GPU instance of AWS est généralement chère, alors arrêtez-la et démarrez jupyter notebook de temps en temps. Je veux y toucher depuis le navigateur. L'hypothèse est un utilisateur ultra léger AWS avec une seule instance dans une région. (Parce que les paramètres ne sont pas du tout à usage général ...)
Vous pouvez faire la même chose en feuilletant la console, mais CLI est préférable car cela prend du temps. Si vous avez plus d'une instance dans votre région, cela devrait échouer si vous ne modifiez pas les options que vous passez à jq.
Apportez l'ID d'instance avec describe-instances et transmettez-le aux start-instances. Il doit y avoir un meilleur article sur le savoir-faire dans ce domaine.
aws ec2 start-instances --instance-ids `aws ec2 describe-instances | jq -r '.Reservations[].Instances[].InstanceId'`
Lorsque «ec2» est connecté au DNS public inclus dans le domaine, le nom d'utilisateur et le fichier de clé sont fixés et définis sur Local Forward. Maintenant, si vous vous connectez au 8888 local alors que vous êtes connecté à SSH, vous serez connecté au 8889 qui attend du côté EC2.
Host *ec2*
User ec2-user
LocalForward 8888 127.0.0.1:8889
IdentityFile ~/.ssh/gpu.pem
SSH exécute la commande suivante afin qu'il se connecte à PublicDnsName à ce moment-là.
ssh `aws ec2 describe-instances | jq -r '.Reservations[].Instances[].PublicDnsName'`
Lancez le notebook jupyter pour que Keras (Theano) utilise le GPU. Le port de démarrage doit être 8889.
THEANO_FLAGS=mode=FAST_RUN,device=gpu,floatX=float32 jupyter notebook --no-browser --port 8889
Envoyez le fichier ipynb nécessaire avec scp etc. La destination d'accès sera http: // localhost: 8888 /.
Recommended Posts