【 MLOps 】在 AzureML Pipeline 中啟用 TensorFlow GPU

內容

• 學習目標
• 前置準備作業
• 上傳 Sample Code
• AzureML Pipeline 啟用 Tensorfow GPU

前置準備作業

• 已建立 Azure 帳號並能正常登入

  • https://portal.azure.com/

• 已於 Microsoft Azure Machine Learning Studio 建立所要使用的 Compute
  

• 確認 Compute instance 與 Python 3.8 - AuzreML 是否為綠燈 ( 綠燈代表正常運作中 ) 且已建立 Juypter Notebook

上傳 Sample Code

• 在 Jupyter Notebook 中執行下方指令

!git clone https://github.com/ArcherHuang/AzureML_TensorFlow_GPU.git

• 點選程式區塊左側的 ▷ 以執行程式

• 執行結果

AzureML Pipeline 啟用 Tensorfow GPU

• 建立運算叢集 區塊中的第 13 行可選擇所要使用的 GPU 規格

• 設定執行環境的 config ( GPU ) 區塊中的第 5 行可選擇所要使用的 Docker Base Image 的類型、第 11 行可選擇所要使用的 Tensorfow 版本

• 以上資訊修改完成後點選 use_gpu.ipynb 程式區塊點擊 Alt + R 以執行所有程式區塊 ( 首次執行因要下載多個 Docker Layer，故需花費約 16 分鐘 )

  • 點選左側的 Pipelines > 再點選最新的 Display name 所顯示的名稱
    
  • 正確執行完成後會從 藍色 變為 綠色
    • 執行中
      
    • 執行完成
      

• 點選右上角的 Job overview
  

• 點選右上角的 Outputs + logs
  

• 點選 azureml-logs 資料夾中的 20_image_build_log.txt 查看 Docker Base Image
  

• 點選 user_logs 資料夾中的 std_log.txt 查看程式執行過程中所輸出的資訊
  

Sample Code

• https://github.com/ArcherHuang/AzureML_TensorFlow_GPU

GitHub

• ArcherHuang @ GitHub

List of blogs

• https://learningsky.io/author/archer/
• https://medium.com/@mmosconii