在 Conda 中使用深AMI度学习 - Amazon Deep Learning AMIs
AMI使用 Conda 进行深度学习简介登录到你的 DLAMI启动 TensorFlow 环境切换到 PyTorch Python 3 环境删除环境
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

在 Conda 中使用深AMI度学习

AMI使用 Conda 进行深度学习简介

Conda 是一个开源程序包管理系统和环境管理系统，在 Windows、macOS 和 Linux 上运行。Conda 快速安装、运行和更新程序包及其依赖项。Conda 可轻松创建、保存、加载和切换本地计算机上的环境。

AMI使用 Conda 进行深度学习的配置可以让您在深度学习环境之间轻松切换。以下说明为您介绍与 conda 相关的一些基本命令。它们还可以帮助您验证框架的基本导入正常运行，并且您可以使用框架运行一些简单操作。然后，您可以继续查看随 DLAMI 提供的更全面的教程，或者每个框架的项目站点上提供的框架示例。

登录到你的 DLAMI

登录服务器后，您将看到一则服务器 “每日消息” (MOTD)，其中描述了可用于在不同的深度学习框架之间切换的各种 Conda 命令。以下是一个示例MOTD。随着新版本的发布，您的具体情况MOTDDLAMI可能会有所不同。

=============================================================================
        AMI Name: Deep Learning OSS Nvidia Driver AMI (Amazon Linux 2) Version 77
        Supported EC2 instances: G4dn, G5, G6, Gr6, P4d, P4de, P5
            * To activate pre-built tensorflow environment, run: 'source activate tensorflow2_p310'
            * To activate pre-built pytorch environment, run: 'source activate pytorch_p310'
            * To activate pre-built python3 environment, run: 'source activate python3'

        NVIDIA driver version: 535.161.08

    CUDA versions available: cuda-11.7 cuda-11.8 cuda-12.0 cuda-12.1 cuda-12.2

    Default CUDA version is 12.1

    Release notes: https://docs.aws.amazon.com/dlami/latest/devguide/appendix-ami-release-notes.html
    AWS Deep Learning AMI Homepage: https://aws.amazon.com/machine-learning/amis/
    Developer Guide and Release Notes: https://docs.aws.amazon.com/dlami/latest/devguide/what-is-dlami.html
    Support: https://forums.aws.amazon.com/forum.jspa?forumID=263
    For a fully managed experience, check out Amazon SageMaker at https://aws.amazon.com/sagemaker
    =============================================================================

启动 TensorFlow 环境

注意

在启动您的第一个 Conda 环境时，请在其加载期间耐心等待。AMI使用 Conda 进行深度学习会在框架首次激活时自动为您的EC2实例安装最优化的框架版本。您不应期望后续的延迟。

  1. 激活 Python 3 的 TensorFlow 虚拟环境。

    $ source activate tensorflow2_p310

  2. 启动终 iPython 端。

    (tensorflow2_p310)$ ipython

  3. 运行一个快速 TensorFlow 程序。

    
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

您应该会看到“Hello, Tensorflow!”

后续步骤

运行 Jupyter 笔记本电脑教程

切换到 PyTorch Python 3 环境

如果您仍在 iPython 控制台中，请使用quit()，然后准备好切换环境。

  • 激活 Python 3 的 PyTorch 虚拟环境。

    $ source activate pytorch_p310

测试一些 PyTorch 代码

要测试您的安装，请使用 Python 编写用于创建和打印数组的 PyTorch 代码。

  1. 启动终 iPython 端。

    (pytorch_p310)$ ipython

  2. 导入 PyTorch。

    import torch

    您可能会看到一条关于第三方软件包的警告消息。您可以忽略它。

  3. 创建一个 5x3 矩阵，将元素随机初始化。打印数组。

    x = torch.rand(5, 3)
print(x)

    验证结果。

    tensor([[0.3105, 0.5983, 0.5410],
        [0.0234, 0.0934, 0.0371],
        [0.9740, 0.1439, 0.3107],
        [0.6461, 0.9035, 0.5715],
        [0.4401, 0.7990, 0.8913]])

删除环境

注意：如果您用尽了 DLAMI 上的空间，则可以选择卸载不用的 Conda 软件包：

conda env list
conda env remove –-name <env_name>