LearningSky.io

【 MLOps 】在 AzureML Pipeline 中啟用 TensorFlow GPU

Archer -

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

  • 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

GitHub

List of blogs