Usar o TensorFlow Enterprise com uma instância local do Deep Learning Containers

Esta página oferece uma breve visão geral dos Deep Learning Containers e descreve como começar a usar o TensorFlow Enterprise com uma instância local do Deep Learning Containers.

Neste exemplo, você cria e executa uma instância do TensorFlow Enterprise Deep Learning Containers na máquina local. Em seguida, abra um notebook do JupyterLab (incluído por padrão na instância do contêiner) e execute um tutorial de classificação sobre o uso de redes neurais com o Keras.

Visão geral dos Deep Learning Containers

Os contêineres de aprendizado profundo são um conjunto de contêineres do Docker com os principais frameworks, bibliotecas e ferramentas de ciência de dados pré-instalados. Esses contêineres oferecem ambientes consistentes e otimizados para desempenho que ajudam a prototipar e implementar fluxos de trabalho rapidamente.

Antes de começar

Conclua as etapas a seguir para instalar a Google Cloud CLI e o Docker e, em seguida, configure sua máquina local.

Instalar a CLI gcloud e o Docker

Conclua estas etapas para instalar a CLI gcloud e o Docker na sua máquina local.

  1. Faça o download e instale a CLI gcloud na sua máquina local. É possível usar a CLI gcloud para interagir com sua instância.

  2. Faça o download e instale o Docker.

Configurar a máquina local

Conclua estas etapas para configurar sua máquina local.

  1. Se você estiver usando um sistema operacional baseado em Linux, como Ubuntu ou Debian, use o seguinte comando para adicionar seu nome de usuário ao grupo docker para executar o Docker sem usar sudo. Substitua USERNAME pelo seu nome de usuário.

    sudo usermod -a -G docker USERNAME

    Talvez seja necessário reiniciar o sistema depois de adicionar você mesmo ao grupo docker.

  2. Abra o Docker. Para garantir que ele esteja funcionando, execute o comando do Docker a seguir, que retorna a hora e a data atuais:

    docker run busybox date

  3. Use o gcloud como auxiliar de credencial do Docker:

    gcloud auth configure-docker

  4. Opcional: se você quiser usar os contêineres habilitados para GPU, verifique se tem uma GPU compatível com CUDA 10, o driver associado e o nvidia-docker instalados.

Criar uma instância do Deep Learning Containers

Para criar uma instância do Deep Learning Containers do TensorFlow Enterprise, siga estas etapas para o tipo de contêiner local que você quer criar.

Se você não precisar usar um contêiner ativado para a GPU, use o seguinte comando. Substitua /path/to/local/dir pelo caminho para o diretório local que você quer usar.

docker run -d -p 8080:8080 -v /path/to/local/dir:/home \
  gcr.io/deeplearning-platform-release/tf2-cpu.2-3

Se você quiser usar um contêiner ativado para GPU, use o seguinte comando. Substitua /path/to/local/dir pelo caminho para o diretório local que você quer usar.

docker run --runtime=nvidia -d -p 8080:8080 -v /path/to/local/dir:/home \
  gcr.io/deeplearning-platform-release/tf2-gpu.2-3

Esse comando inicia o contêiner no modo separado, monta o diretório local /path/to/local/dir em /home no contêiner e mapeia a porta 8080 no contêiner para a porta 8080 na máquina local.

Abra um notebook do JupyterLab e execute um tutorial de classificação

O contêiner é pré-configurado para iniciar um servidor JupyterLab. Conclua estas etapas para abrir um notebook do JupyterLab e executar um tutorial de classificação.

  1. No navegador local, acesse http://localhost:8080 para acessar um notebook do JupyterLab.

  2. À esquerda, clique duas vezes em tutorials para abrir a pasta e navegue até tutorials/tf2_course/01_neural_nets_with_keras.ipynb e abra esse arquivo.

  3. Clique no botão de execução para executar as células do tutorial.

Executar a instância do Deep Learning Containers em Google Cloud

Para executar sua instância do TensorFlow Enterprise Deep Learning Containers em um ambiente de nuvem, saiba mais sobre as opções de execução de contêineres no Google Cloud. Por exemplo, talvez você queira executar o contêiner em um cluster do Google Kubernetes Engine.

A seguir