首页 > TensorFlow 阅读:746

TensorFlow分布式在Microsoft Azure上运行

Microsoft Azure 提供了一个名为 Batch AI 的服务,它允许在 Azure 虚拟机群集上运行机器学习模型。

首先需要一个 Azure 账户,如果你还没有账户,可以免费创建一个账户,网址为https://azure.microsoft.com/en-us/services/batch-ai/。Azure 为新用户提供 30 天 200 美元的积分。

这个案例将按照 Azure 提供的示例,使用分布式 TensorFlow 在两个 GPU 上运行 MNIST,相关的代码发布在 GitHub 上,网址为:https://github.com/Azure/batch-shipyard/tree/master/recipes/TensorFlow-Distributed

具体做法

  1. 安装 Azure CLI。不同操作系统平台上的安装细节请参考:https://docs.microsoft.com/en-us/cli/azure/install-azure-cli?view=azure-cli-latest
  2. 在创建集群之前,需要使用命令 az login 登录 Azure。它会生成一个口令和网址,并验证你的使用凭证。在这个网址上按照步骤依次操作,系统会要求关掉页面并验证你的凭证,az 证书将被验证。
  3. 配置默认位置,创建和配置资源组:


     
  4. 使用 <az storage account create> 命令创建存储,并根据操作系统设置环境变量,有关环境变量及其值的详细信息可从网址https://docs.microsoft.com/en-us/azure/batch-ai/quickstart-cli获取。
  5. 下载并提取预处理的 MNIST 数据库:


     
  6. 下载 mnist_replica:


     
  7. 创建一个 Azure 文件共享,在其中上传下载的 MNIST 数据集和 mnist_replica.py 文件:


     
  8. 创建一个集群。对于这个案例,该集群包括两个标准的 NC6 型 GPU 节点,或者 Ubuntu LTS 和 Ubuntu DVSM 型节点。可以使用 Azure CLI 命令创建集群:
    对于 Linux 系统来说,命令如下:


     
    对于 Windows 系统来说,命令如下:


     
  9. 在 job.json 文件中创建工作参数:


     
  10. 使用以下命令创建 Batch AI 作业:

解读分析

Batch AI 自己管理资源,你只需指定作业、输入位置和存储输出的位置。如果在执行作业期间想要查看结果,可以使用以下命令:



作业结束后,使用命令 az batchai job delete 和 az batchai cluster delete 删除作业和集群。

拓展阅读

上面学习了如何使用 Azure 命令行工具将 Microsoft Azure Batch AI 用于分布式 TensorFlow,也可以使用 Jupyter Notebook 做同样的事情。这将涉及设置 Azure Active Directory,并进行新的应用程序注册。

详细信息可从https://docs.microsoft.com/en-us/azure/azure-resource-manager/resource-group-create-service-principal-portal获得。