配置Arena客户端

步骤一：配置Arena客户端

1. 连接集群。

   专有版集群

   用SSH方式登录专有版集群的管理节点，然后执行arena命令。具体操作，请参见通过SSH连接ACK专有集群的Master节点。

   托管版集群

   因为托管版集群无Master节点，所以您需要将Arena客户端安装在您的本地计算机上（例如：个人Mac）。具体操作，请参见获取集群KubeConfig并通过kubectl工具连接集群。

   说明

   您可以通过执行命令kubectl get nodes判断KubeConfig文件是否正确配置。

2. 配置Arena客户端。

   1. 下载Arena客户端。

      • Linux版

      • Mac版

   2. 解压安装包。

      Linux

      tar -xvf arena-installer-0.9.16-881780f-linux-amd64.tar.gz

      Mac

      tar -xvf arena-installer-0.9.16-881780f-darwin-amd64.tar.gz

   3. 安装Arena。

      cd arena-installer
      bash install.sh --only-binary

3. （可选）安装自动补全软件。安装自动补全软件支持命令参数自动提示功能，帮助您避免记忆命令行。安装完成后，在命令行终端通过Tab键即可自动补全命令。

   1. 安装补全软件。

      CentOS或Linux

      sudo yum install bash-completion -y

      Debian或Ubuntu

      sudo apt-get install bash-completion

      macOS

      brew install bash-completion@2

   2. 在profile文件中增加自动补全功能。

      Linux

      echo "source <(arena completion bash)" >> ~/.bashrc
      chmod u+x ~/.bashrc

      macOS

      echo "source $(brew --prefix)/etc/profile.d/bash_completion.sh" >> ~/.bashrc

步骤二：验证Arena

您可以执行以下步骤验证Arena是否正常工作。

1. 执行以下命令检查集群的可用GPU资源。

   arena top node

   看到输出为节点和GPU卡的信息，代表输出正确。

   NAME                        IPADDRESS      ROLE    STATUS  GPU(Total)  GPU(Allocated)
   cn-huhehaote.192.168.X.XXX  192.168.0.117  <none>  ready   8           0
   cn-huhehaote.192.168.X.XXX  192.168.0.118  <none>  ready   8           0
   cn-huhehaote.192.168.X.XXX  192.168.0.119  <none>  ready   8           0
   cn-huhehaote.192.169.X.XXX  192.168.0.120  <none>  ready   8           0
   -----------------------------------------------------------------------------------------
   Allocated/Total GPUs In Cluster:
   0/32 (0%)

2. 通过arena提交一个训练作业，看到任务被成功提交。

   arena submit tf \
         --name=firstjob \
         --gpus=1 \
         --image=registry.cn-hangzhou.aliyuncs.com/tensorflow-samples/tf-mnist-standalone:gpu \
         "python /app/main.py"

   预期输出：

   configmap/firstjob-tfjob created
   configmap/firstjob-tfjob labeled
   tfjob.kubeflow.org/firstjob created
   INFO[0001] The Job firstjob has been submitted successfully
   INFO[0001] You can run `arena get firstjob --type tfjob` to check the job status

3. 执行以下命令列出所有作业。

   arena list

   预期输出：

   NAME      STATUS   TRAINER  AGE  NODE
   firstjob  RUNNING  TFJOB    5s   192.168.X.XXX

4. 执行以下命令查看提交作业的状态。

   arena get firstjob

   预期输出：

   STATUS: SUCCEEDED
   NAMESPACE: default
   PRIORITY: N/A
   TRAINING DURATION: 52s
   NAME      STATUS     TRAINER  AGE  INSTANCE          NODE
   firstjob  SUCCEEDED  TFJOB    14m  firstjob-chief-0  192.168.X.XXX

5. 执行以下命令查看作业日志。

   arena logs --tail=10 firstjob

   预期输出：

   Accuracy at step 910: 0.9694
   Accuracy at step 920: 0.9687
   Accuracy at step 930: 0.9676
   Accuracy at step 940: 0.9678
   Accuracy at step 950: 0.9704
   Accuracy at step 960: 0.9692
   Accuracy at step 970: 0.9721
   Accuracy at step 980: 0.9696
   Accuracy at step 990: 0.9675
   Adding run metadata for 999

相关视频

下方视频介绍如何安装Arena并使用Arena提交Gang Scheduling任务。