张小白带你体验MindSpore 1.1的新特性:单节点缓存Cache(1)CPU环境下的Cache体验
909
2022-05-29
《张小白带你在Windows11 预览版的WSL上玩转MindSpore 1.3.0(GPU版)》https://bbs.huaweicloud.com/blogs/292836
使用了 Win11+WSL+docker+nvidia-docker+MindSpore docker,但这个方式显然不如CUDA和cuDNN玩的爽。
所以张小白又试了一下这种方式,环境依然是上篇的那个环境。
配置下终端软件XShell和传输软件XFtp
WSL2环境在Windows 11中可以通过 开始菜单中输入 Ubuntu ,然后打开 或者以管理员身份运行:
但是这样往往一次只能打开一个窗口,要再打开窗口需要再来一次。
能不能使用自己常用的终端软件XShell登录,以及使用XFtp软件跟WSL2的Ubuntu系统互相传递文件呢?当然是可以的。(虽然WSL2也直接支持 /mnt/【盘符】下直接互相拷贝文件)
在ubuntu 18.04窗口使用ifconfig查看IP地址(172.26.154.21)
安装openssh-server
sudo apt-get install openssh-server
启动sshd
sudo service ssh start
使用 ssh-keygen -t rsa生成公钥私钥对:
(事实上,这个步骤可能是多余的,只是它生成的.ssh目录有点用)
打开Xshell
点击+ 新建会话:
输入名称和IP地址:(都填IP地址)
点击左边的用户身份验证,选择Password,输入用户名密码ascend/ascend
点击确定后,从会话列表找到 该IP,双击登录:
你会发现,奇怪,用户名密码登录不了。必须使用Public Key登录
点击浏览:
点击生成:
下一步:
再下一步:
输入密钥名称wsl2和用户密钥的密码123456(可以随便输)。点击下一步:
可以把本页面的ssh-rsa开头的公钥拷贝下来,也可以保存为文件,这里选择直接复制。
回到ubuntu 18.04:
cd .ssh
新增一个authorized_keys文件
将刚才复制的内容贴入:
保存退出。
回到xshell页面
选择刚才做好的用户密钥wsl2,输入用户密码123456
点击确定。
重新连接:
即可使用XShell免密码连接ubuntu 18.04了。
打开 XFtp
新建连接:
按照以上内容输入 名称,IP地址,选择Public Key,并选择刚才在XShell设置的用户密钥,输入密钥的密码123456,点击确定。
查看MindSpore安装环境要求
打开 https://www.mindspore.cn/install
安装gcc 7.3.0
这点貌似并不需要。wsl自带的环境目前是gcc 7.5.0好像也一切安好。
如果大家想源码编译gcc 7.3.0,可以参照 https://bbs.huaweicloud.com/blogs/198349 博客中 《Part Two:源码安装gcc 7.3.0》的内容。
安装gmp 6.1.2
wget https://gmplib.org/download/gmp/gmp-6.1.2.tar.xz
xz -d gmp-6.1.2.tar.xz
tar xvf gmp-6.1.2.tar
cd gmp-6.1.2
./configure --prefix=/usr/local/gmp-6.1.2
make
sudo make install
准备Python 3.7.5的Conda环境
由于MindSpore使用需要Python 3.7.5 ,在MindSpore 1.3 GPU的docker镜像中是自带的,但是本地的话,除了源码编译,咱们这一次试试新的办法:使用Anaconda for Linux吧:
打开 https://www.anaconda.com/products/individual#Downloads
在Linux的X86 installer右键复制 链接地址:https://repo.anaconda.com/archive/Anaconda3-2021.05-Linux-x86_64.sh
回到前面安装好的XShell终端,wget这个地址:
执行这个shell
bash ./Anaconda3-2021.05-Linux-x86_64.sh
回车继续:
读完License
接受license条款
等待安装。。。
回车结束。
编辑/etc/profile,将conda路径加入PATH
export PATH=/home/ascend/anaconda3/bin:$PATH
source /etc/profile 生效
conda init初始化
重新登陆(这里张小白使用Xshell复制了会话,看起来很方便)
可见进入了conda环境
来建个mindspore 1.3-gpu的python环境吧
conda create -n mindspore1.3-gpu python=3.7.5
按y继续
按提示conda activate mindspore1.3-gpu 进入conda环境
可见,外面的python是3.8.8,里面的python是 3.7.5.
安装CUDA 11.1
打开 https://developer.nvidia.com/cuda-11.1.0-download-archive
wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
sudo apt install build-essential
sudo sh cuda_11.1.0_455.23.05_linux.run
accept
按上图方式选择,点击Install
结果如下:
(base) ascend@LAPTOP-52ANL5OD:~$ sudo sh cuda_11.1.0_455.23.05_linux.run =========== = Summary = =========== Driver: Not Selected Toolkit: Installed in /usr/local/cuda-11.1/ Samples: Not Selected Please make sure that - PATH includes /usr/local/cuda-11.1/bin - LD_LIBRARY_PATH includes /usr/local/cuda-11.1/lib64, or, add /usr/local/cuda-11.1/lib64 to /etc/ld.so.conf and run ldconfig as root To uninstall the CUDA Toolkit, run cuda-uninstaller in /usr/local/cuda-11.1/bin ***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least .00 is required for CUDA 11.1 functionality to work. To install the driver using this installer, run the following command, replacing
根据提示设置PATH+LD_LIBRARY_PATH
source .bashrc 使得环境变量生效
安装cuDNN 8.0.5 for CUDA 11.1
打开 https://developer.nvidia.com/rdp/cudnn-archive#a-collapse805-111
点开地址
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/8.0.5/11.1_20201106/cudnn-11.1-linux-x64-v8.0.5.39.tgz
需要登陆:
登陆后
点击下载
使用xftp传到WSL2上(所以早先的终端配置章节有用的,张小白一般也不会说多余的话对吧?——信你才怪!)
解压:
复制:
安装MindSpore 1.3 GPU版本:
进入conda环境:
pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.3.0/MindSpore/gpu/x86_64/cuda-11.1/mindspore_gpu-1.3.0-cp37-cp37m-linux_x86_64.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple
验证:
说明基于WSL+CUDA11.1+cuDNN8.0.5+MindSpore GPU PIP版本也成功得到验证。
(全文完,谢谢阅读)
GPU加速云服务器 MindSpore 昇腾 深度学习
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。