自动安装AIACC-Training（AIACC训练加速）

AIACC-Training（AIACC训练加速）支持优化基于AI主流计算框架（包括TensorFlow、PyTorch、MxNet和Caffe）搭建的模型，能显著提升训练性能。本文介绍如何自动安装AIACC-Training（AIACC训练加速）并测试demo。

背景信息

Conda是一款开源跨平台的软件包和环境管理系统，Miniconda是一款小巧的Conda环境部署工具。创建GPU实例时支持自动安装包含AIACC-Training（AIACC训练加速）的Conda环境，您可以使用Miniconda快速选择不同的Conda环境，一键安装和切换深度学习框架，并通过AIACC-Training（AIACC训练加速）显著提升训练性能。

AIACC-Training（AIACC训练加速）依赖GPU驱动、CUDA和cuDNN，请在创建GPU实例时配置自动安装GPU驱动，然后选中AIACC训练加速。具体操作，请参见创建配备NVIDIA GPU的实例。 aiacc-训练

Conda环境包括AIACC-Training及OpenMPI等依赖包，但不包括深度学习框架。安装深度学习框架的具体操作，请参见选择Conda环境并安装深度学习框架。

CUDA版本决定支持安装的深度学习框架版本，对应关系如下表所示。


CUDA版本	默认进入的Conda环境	支持安装的深度学习框架版本
CUDA 11.0	aiacct_tr1.7.0_cu11.0_py36	TensorFlow 2.4
CUDA 10.1	aiacct_tf2.1_cu10.1_py36	TensorFlow 2.1
CUDA 10.0	aiacct_tf1.15_tr1.4.0_mx1.5.0_cu10.0_py36	TensorFlow 1.15 + Pytorch 1.4.0 + MXNet 1.5.0 TensorFlow 1.14 + Pytorch 1.3.0 + MXNet 1.4.0
CUDA 9.0	aiacct_tf1.12_tr1.3.0_mx1.5.0_cu9.0_py36	TensorFlow 1.12 + Pytorch 1.3.0 + MXNet 1.5.0

选择Conda环境并安装深度学习框架

远程连接实例。
选择Conda环境。
1. 初始化Miniconda。
```
. /root/miniconda/etc/profile.d/conda.sh
```
2. 查看已有的Conda环境列表。
```
conda env list
```
  示例如下图所示。
3. 选择Conda环境。
```
conda activate [environments_name]
```
  示例如下图所示。
  其中，aiacct_tf2.1_cu10.1_py36代表：
  - TensorFlow 2.1
  - CUDA 10.1
  - Python 3.6
安装深度学习框架。
```
install_frameworks.sh
```
install_frameworks.sh脚本中包括了在安装适用当前Conda环境的深度学习框架的命令，脚本内容示例如下图所示。

执行脚本后安装过程示例如下图所示。
测试demo。
demo文件ali-perseus-demos.tgz默认位于/root下，本文以测试TensorFlow的demo为例。
- 如果TensorFlow版本为2.1：
  1. 解压demo测试包。
```
tar -xvf ali-perseus-demos.tgz
```
  2. 进入TensorFlow的demo目录。
```
cd ali-perseus-demos/tensorflow2-examples
```
  3. 执行目录下的测试脚本。
    示例命令如下：
```
python tensorflow2_keras_mnist_perseus.py
```
    该demo使用MNIST数据集进行训练，在提升训练性能的同时，保证和您的基准代码达到相同的精度。训练结果示例如下图所示。
- 如果TensorFlow版本为1.14：
  1. 解压demo测试包。
```
tar -xvf ali-perseus-demos.tgz
```
  2. 进入TensorFlow的demo目录。
```
cd ali-perseus-demos/tensorflow-benchmarks
```
  3. 查看README.txt中的测试命令。
  4. 进入对应版本的测试脚本目录。
    示例命令如下：
```
cd benchmarks-tf1.14
```
  5. 根据实例规格的GPU数量修改并执行测试命令。
    示例命令如下：
```
mpirun --allow-run-as-root --bind-to none -np 1 -npernode 1  \
       --mca btl_tcp_if_include eth0  \
       --mca orte_keep_fqdn_hostnames t   \
       -x NCCL_SOCKET_IFNAME=eth0   \
       -x LD_LIBRARY_PATH   \
       ./config-fp16-tf.sh
```
    该demo使用合成数据进行训练，测试训练速度。训练结果示例如下图所示。

删除Miniconda

如果您不需要使用AIACC-Training（AIACC训练加速），可以删除Miniconda。默认为root用户安装Miniconda，为root用户删除Miniconda即可。

删除miniconda文件夹。
```
rm -rf /root/miniconda
```
删除相关环境变量和回显。
1. 修改文件/root/.bashrc，注释Miniconda、AIACC-Training相关的环境变量和回显。
  示例如下图所示。
2. 使环境变量修改生效。
```
source /root/.bashrc
```