您可以通过FastGPU提供的Python接口,将FastGPU集成到您的人工智能训练或推理脚本中,从而实现快速的云上部署和资源管理。

前提条件

客户端已安装Python 3.6或以上版本。

说明 您的ECS实例、本地机器、阿里云Cloud Shell工具等均可以作为客户端安装FastGPU来构建人工智能计算任务。

环境准备

  1. 执行以下命令,安装FastGPU软件包。
    pip3 install --force-reinstall https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/fastgpu/fastgpu-1.1.0-py3-none-any.whl
  2. 执行以下命令,在您的ECS实例、本地机器或阿里云Cloud Shell工具上,获取阿里云账号AccessKey、默认地域、默认可用区等信息,配置环境变量。
    export ALIYUN_ACCESS_KEY_ID=****          # 填入您的AccessKey ID
    export ALIYUN_ACCESS_KEY_SECRET=****      # 填入您的AccessKey Secret
    export ALIYUN_DEFAULT_REGION=cn-hangzhou  # 填入您希望使用的地域(Region)
    export ALIYUN_DEFAULT_ZONE=cn-hangzhou-i  # (选填) 填入您希望使用的地域的可用区
  3. 执行以下命令,在Python代码中导入FastGPU模块。
    import fastgpu

创建或获取实例

fastgpu.make_job方法会自动按规则创建实例集合。如果实例集合已存在,则返回实例集合。

job = fastgpu.make_job(
    name: str="",             # (必填)设置实例集群名称 
    instance_type: str="",    # (必填)设置实例类型 
    num_tasks: int=0,         # 设置创建实例个数
    install_script: str="",   # 设置初始化命令
    image_name: str="",       # 设置镜像名称
    image_type: str="",       # 设置镜像类型
    disk_size: int=500,       # 设置数据盘大小
    spot: bool=False,         # 设置是否抢占式实例
    confirm_cost: bool=False, # 设置是否跳过消费警告
    install_cuda: bool=False, # 设置是否自动安装GPU驱动
    mount_nas: bool=False    # 设置是否挂载NAS盘
)
参数名称 是否必填 参数说明 参数示例
name 实例集群名称。

默认值:空。表示从当前现有的资源中获取。

指定实例集群名称为fastgpu_test:

name="fastgpu_test"

instance_type 实例类型。

您可以使用命令行fastgpu querygpu查询GPU实例规格,更多信息,请参见GPU实例规格族

指定实例类型为单卡V100机型:

instance_type="ecs.gn6v-c8g1.2xlarge"

num_tasks 创建实例数量。默认值:1。 指定创建一个实例:

num_tasks=1

install_script 实例初始化脚本。

默认值:空。表示不执行任何命令。

初始化完成后,启动ssh服务:

install_script="systemctl start sshd"

image_name 实例镜像名称。

默认值:空。表示将会自动使用Alibaba Cloud Linux 2.1903作为默认镜像。

更多镜像名称可通过命令行fastgpu queryimage进行查询。

指定镜像名为CentOS:

image_name="centos_8_5_x64_20G_alibase_202111129.vhd"

image_type 实例镜像类型。您可以将参数指定为操作系统类型"aliyun"/"ubuntu"/"centos",也可以指定系统版本,例如"ubuntu_18_04"/"centos_7_9"。另外,您也可以指定为AIACC,其镜像内包含深度学习框架和AIACC-Training,更多信息,请参见什么是神龙AI加速引擎AIACC
  • 设置镜像类型为ubuntu 16.04:

    image_type="ubuntu_16_04"

  • 设置镜像类型为最新版本的AIACC镜像:

    image_type="AIACC"

disk_size 设置数据盘大小。

默认值:500,单位:GB。

设置数据盘大小为500 GB:

disk_size=500

spot 是否为抢占式实例。

默认值:False。

设置为抢占式实例:

spot=True

confirm_cost 确认是否跳过消费警告。默认值为False,即不跳过,创建实例过程中会弹出输入确认项。 设置跳过消费警告:

confirm_cost=True

install_cuda 设置是否自动安装GPU驱动。默认值为False,即不安装。 设置自动安装GPU驱动:

cuda_install=True

mount_nas 设置是否自动挂载NAS盘。更多信息,请参见什么是文件存储NAS 设置自动挂载NAS盘:

mount_nas=True

返回值:返回一个Job对象,代表一个实例集群,实例集群可以通过访问tasks成员访问到具体单个实例。job可以包含若干task,关系如下图所示:

job
job = fastgpu.make_job(...) # 创建Job
job.run("ls -l")            # 集群执行“ls -l”命令
job.tasks[0].run("ls -l")   # 单个实例(task0)执行命令

代码示例:创建一个名称为fastgpu_test的job,该job是包含2个实例(task)的对象,您可以通过访问job对象的tasks来访问创建出的实例列表。具体示例代码如下:

job = fastgpu.make_job(
    name="fastgpu_test",                   # 实例集群名称
    num_tasks=2,                           # 实例数量,创建2个实例
    instance_type="ecs.gn6v-c8g1.2xlarge", # 实例类型
    image_type="ubuntu_18_04",             # 实例镜像类型,比如为Ubuntu 18.04
    disk_size=500,                         # 数据盘大小为500 GB
    confirm_cost=True,                     # 是否确认消费警告
    spot=True,                             # 是否抢占型实例
    install_cuda=True,                     # 是否自动安装GPU驱动
    mount_nas=True                         # 是否自动挂载NAS盘
)
task1 = job.tasks[0]
task2 = job.tasks[1]

运行命令

集群或实例运行指定命令,运行完成后会将输出保存到指定目录下。

# 支持整个集群运行命令
job.run(cmd,                        # 运行的命令
         sudo=False,                # 是否以管理员权限运行
         non_blocking=False,        # 是否以非阻塞运行任务
         ignore_errors=False,       # 是否忽略错误,默认如果执行报错,则抛出一个异常
         max_wait_sec=365*24*3600,  # 最大超时时间
         show=False,                # 运行结束后是否输出结果
         show_realtime=False        # 是否实时打印输出
       )

# 同理也支持单实例运行命令
job.tasks[i].run(cmd, ...)
参数名称 参数说明 参数示例
sudo 是否以管理员权限运行命令。默认值为False,即不以管理员权限运行。 设置以管理员权限运行:

sudo=True

non_blocking 是否非阻塞运行命令。默认值为False,即执行过程中等待直到执行完成。 设置非阻塞执行:

non_blocking=True

ignore_errors 是否忽略报错。默认值为False,即执行遇到异常则终止程序,报错会抛出异常。 设置忽略执行报错:

ignore_errors=True

max_wait_sec 最大超时时间,单位:秒。

默认值:365*24*3600(1年)。

设置最大超时时间为1小时:

max_wait_sec=3600

show 运行结束后是否输出结果,默认值为False。 设置运行后输出结果:

show=True

show_realtime 是否实时输出运行结果,默认值为False。 设置实时输出显示:

show_realtime=True

代码示例:

# 集群运行 "ls",列出每个实例工作目录下的文件和文件夹
job.run("ls")
# 单实例运行 "ls", 列出第i个实例工作目录下的文件和文件夹
job.tasks[i].run("ls")

文件传输

  • 上传文件到集群或单个实例:
    # 上传文件到集群
    job.upload(local_fn: str, remote_fn: str="", dont_overwrite: bool=False)
    # 上传文件到集群中第i个实例
    job.tasks[i].upload(local_fn: str, remote_fn: str="", dont_overwrite: bool=False)
    参数名称 是否必填 参数说明 参数示例
    local_fn 本地文件路径。 设置需要上传到实例的文件路径:

    local_fn="/root/test_download.fn"

    remote_fn 上传目标路径。

    默认值:空。表示上传到和local_fn相同的路径下。

    设置实例内文件路径:

    remote_fn="/root/test.txt"

    dont_overwrite 是否覆盖原有文件。默认值为False,表示自动覆盖已存在的文件。 设置为不覆盖原有文件:

    dont_overwrite=True

  • 从集群或单个实例下载文件到本地:
    # 集群下载文件
    job.download(remote_fn, local_fn: str="")
    # 集群中第i个实例下载文件
    job.tasks[i].download(remote_fn, local_fn: str="")
    说明 当机器数大于2台时,集群下载文件会引入文件冲突,不建议使用。
    参数名称 是否必填 参数说明 参数示例
    remote_fn 远程文件路径。 设置i实例中的文件路径:

    remote_fn="/root/test.txt"

    local_fn 本地文件路径。

    默认值:空。表示下载到和remote_fn相同的本地路径下。

    设置下载到本地的文件路径:

    local_fn="/root/test_download.fn"

代码示例:为集群中所有实例上传文件,并通过某一个实例下载到本地。

# 上传/root/test.txt到集群中所有实例的/root/下
job.upload("/root/test.txt")
# 从task[0]实例中下载txt文件到当前路径下
job.tasks[0].download("/root/test.txt", "./test.txt")

停止实例

停止集群或单个实例。

# 停止整个集群的实例。
job.stop(
    keep=False, # 停止集群后,是否仍然计费
    force=False # 是否强制停止
)

# 停止集群中第i个实例
job.tasks[i].stop(
    keep=False, # 停止实例后,是否仍然计费
    force=False # 是否强制停止
)
参数名称 参数说明 参数示例
keep 是否保持计费。默认值为False,即不计费。 设置停止后仍计费:

keep=True

force 是否强制停止。默认值为False,表示不强制停止,遇到无法退出的程序可能阻塞。 设置强制停止:

force=True

代码示例:

job.stop(force=True, keep=True) # 强制停止整个集群,并保持收费

释放实例

永久删除集群或实例,释放实例占用的资源。

注意 实例释放后,实例ID、固定公网IP、系统盘、设置随实例释放的数据盘等数据和资源将随之释放且不可恢复,EIP、设置不随实例释放的数据盘等独立的资源将自动解绑。请慎重执行释放操作。
job.kill()          # 释放整个集群
job.tasks[i].kill() # 释放单个实例
参数名称 参数描述 参数示例
force 是否强制停止。默认值为False,即无法释放正在运行中的实例。 设置强制停止:

force=True

代码示例:强制停止并释放一个正在运行的实例。

# 强制释放集群以及集群中的实例,即使实例处于Running状态
job.kill(force=True)
# 释放单个实例,此实例应处于停机状态
job.tasks[i].kill()