训练

注意

本节介绍如何使用和在 Dee Amazon p Learning Containers for Amazon 弹性容器 PyTorch 服务上运行训练 TensorFlow。

重要

如果您的账户已经创建了 Amazon ECS 服务相关角色，则除非您在此处指定角色，否则该角色将默认用于您的服务。如果您的任务定义使用 awsvpc 网络模式或将服务配置为使用服务发现，则需要服务相关角色。如果服务使用外部部署控制器、多个目标组或 Elastic Inference 加速器，则也需要该角色，在这种情况下，您不应在此处指定角色。有关更多信息，请参阅《亚马逊ECS开发者指南》ECS中的使用亚马逊服务相关角色。

PyTorch 训练

必须先注册任务定义，然后才能在 Amazon ECS 集群上运行任务。任务定义是分组在一起的一系列容器。以下示例使用一个示例 Docker 镜像，该镜像将训练脚本添加到 Deep Learning Containers 中。

使用以下内容创建名为 ecs-deep-learning-container-training-taskdef.json 的文件。

对于 CPU


{
   "requiresCompatibilities":[
      "EC2"
   ],
   "containerDefinitions":[
      {
         "command":[
            "git clone https://github.com/pytorch/examples.git && python examples/mnist/main.py --no-cuda"
         ],
         "entryPoint":[
            "sh",
            "-c"
         ],
         "name":"pytorch-training-container",
         "image":"763104351884.dkr.ecr.us-east-1.amazonaws.com/pytorch-training:1.5.1-cpu-py36-ubuntu16.04",
         "memory":4000,
         "cpu":256,
         "essential":true,
         "portMappings":[
            {
               "containerPort":80,
               "protocol":"tcp"
            }
         ],
         "logConfiguration":{
            "logDriver":"awslogs",
            "options":{
               "awslogs-group":"/ecs/pytorch-training-cpu",
               "awslogs-region":"us-east-1",
               "awslogs-stream-prefix":"mnist",
               "awslogs-create-group":"true"
            }
         }
      }
   ],
   "volumes":[

   ],
   "networkMode":"bridge",
   "placementConstraints":[

   ],
   "family":"pytorch"
}

对于 GPU


{
      "requiresCompatibilities": [
        "EC2"
      ],
      "containerDefinitions": [
        {
    "command": [
                "git clone https://github.com/pytorch/examples.git && python examples/mnist/main.py"
             ],
             "entryPoint": [
                "sh",
                "-c"
             ],
          "name": "pytorch-training-container",
          "image": "763104351884.dkr.ecr.us-east-1.amazonaws.com/pytorch-training:1.5.1-gpu-py36-cu101-ubuntu16.04",
          "memory": 6111,
          "cpu": 256,
          "resourceRequirements" : [{
            "type" : "GPU",
            "value" : "1"
          }],
          "essential": true,
          "portMappings": [
            {
              "containerPort": 80,
              "protocol": "tcp"
            }
          ],
          "logConfiguration": {
              "logDriver": "awslogs",
              "options": {
                  "awslogs-group": "/ecs/pytorch-training-gpu",
                  "awslogs-region": "us-east-1",
                  "awslogs-stream-prefix": "mnist",
                      "awslogs-create-group": "true"
              }
          }
        }
      ],
      "volumes": [],
      "networkMode": "bridge",
      "placementConstraints": [],
      "family": "pytorch-training"
    }

注册任务定义。记下输出中的修订版号，并在下一步中使用它。


aws ecs register-task-definition --cli-input-json file://ecs-deep-learning-container-training-taskdef.json

使用任务定义创建任务。您需要上一步中的修订标识符。


aws ecs run-task --cluster ecs-ec2-training-inference --task-definition pytorch:1

在 https://console.aws.amazon.com/ecs/v2 中打开控制台。
选择 ecs-ec2-training-inference 集群。
在 Cluster 页面上，选择 Tasks。
任务处于RUNNING状态后，选择任务标识符。
在 “日志” 下，选择 “查看登录信息” CloudWatch。这会将您带到 CloudWatch 控制台以查看训练进度日志。

后续步骤

要在亚马逊上ECS使用 Deep Learning Cont PyTorch ainers 学习推理，请参阅PyTorch 推断。

TensorFlow训练

必须先注册任务定义，然后才能在ECS集群上运行任务。任务定义是分组在一起的一系列容器。以下示例使用一个示例 Docker 镜像，该镜像将训练脚本添加到 Deep Learning Containers 中。您可以将此脚本与 TensorFlow 或 TensorFlow 2 配合使用。要将其与 TensorFlow 2 一起使用，请将 Docker 镜像更改为 TensorFlow 2 镜像。

使用以下内容创建名为 ecs-deep-learning-container-training-taskdef.json 的文件。

对于 CPU


{
        "requiresCompatibilities": [
            "EC2"
        ],
        "containerDefinitions": [{
            "command": [
                "mkdir -p /test && cd /test && git clone https://github.com/fchollet/keras.git && chmod +x -R /test/ && python keras/examples/mnist_cnn.py"
            ],
            "entryPoint": [
                "sh",
                "-c"
            ],
            "name": "tensorflow-training-container",
            "image": "763104351884.dkr.ecr.us-east-1.amazonaws.com/tensorflow-inference:1.15.2-cpu-py36-ubuntu18.04",
            "memory": 4000,
            "cpu": 256,
            "essential": true,
            "portMappings": [{
                "containerPort": 80,
                "protocol": "tcp"
            }],
            "logConfiguration": {
                "logDriver": "awslogs",
                "options": {
                    "awslogs-group": "awslogs-tf-ecs",
                    "awslogs-region": "us-east-1",
                    "awslogs-stream-prefix": "tf",
                    "awslogs-create-group": "true"
                }
            }
        }],
        "volumes": [],
        "networkMode": "bridge",
        "placementConstraints": [],
        "family": "TensorFlow"
    }

对于 GPU


{
          "requiresCompatibilities": [
            "EC2"
          ],
          "containerDefinitions": [
            {
        "command": [
                    "mkdir -p /test && cd /test && git clone https://github.com/fchollet/keras.git && chmod +x -R /test/ && python keras/examples/mnist_cnn.py"
                 ],
                 "entryPoint": [
                    "sh",
                    "-c"
                 ],
              "name": "tensorflow-training-container",
              "image": "763104351884.dkr.ecr.us-east-1.amazonaws.com/tensorflow-training:1.15.2-gpu-py37-cu100-ubuntu18.04",
              "memory": 6111,
              "cpu": 256,
              "resourceRequirements" : [{
                "type" : "GPU",
                "value" : "1"
              }],
              "essential": true,
              "portMappings": [
                {
                  "containerPort": 80,
                  "protocol": "tcp"
                }
              ],
              "logConfiguration": {
                  "logDriver": "awslogs",
                  "options": {
                      "awslogs-group": "awslogs-tf-ecs",
                      "awslogs-region": "us-east-1",
                      "awslogs-stream-prefix": "tf",
                          "awslogs-create-group": "true"
                  }
              }
            }
          ],
          "volumes": [],
          "networkMode": "bridge",
          "placementConstraints": [],
          "family": "tensorflow-training"
        }

注册任务定义。记下输出中的修订版号，并在下一步中使用它。


aws ecs register-task-definition --cli-input-json file://ecs-deep-learning-container-training-taskdef.json

使用任务定义创建任务。您需要上一步中的修订版号和在安装过程中创建的集群的名称
```
aws ecs run-task --cluster ecs-ec2-training-inference --task-definition tf:1
```
打开 Amazon ECS 经典游戏机，网址为https://console.aws.amazon.com/ecs/。
选择 ecs-ec2-training-inference 集群。
在 Cluster 页面上，选择 Tasks。
任务处于RUNNING状态后，选择任务标识符。
在 “日志” 下，选择 “查看登录信息” CloudWatch。这会将您带到 CloudWatch 控制台以查看训练进度日志。

后续步骤

要在亚马逊上ECS使用 Deep Learning Cont TensorFlow ainers 学习推理，请参阅TensorFlow推断。

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

亚马逊ECS设置

推理