Skip to main content
NetApp artificial intelligence solutions
La version française est une traduction automatique. La version anglaise prévaut sur la française en cas de divergence.

Exemple de cas d'utilisation : tâche d'entraînement TensorFlow

PDF

Cette section décrit les tâches à effectuer pour exécuter une tâche de formation TensorFlow dans un environnement NVIDIA AI Enterprise.

Prérequis

Avant d'effectuer les étapes décrites dans cette section, nous supposons que vous avez déjà créé un modèle de machine virtuelle invitée en suivant les instructions décrites dans le"Installation" page.

Créer une machine virtuelle invitée à partir d'un modèle

Tout d’abord, vous devez créer une nouvelle machine virtuelle invitée à partir du modèle que vous avez créé dans la section précédente. Pour créer une nouvelle machine virtuelle invitée à partir de votre modèle, connectez-vous à VMware vSphere, cliquez avec le bouton droit sur le nom du modèle, choisissez « Nouvelle machine virtuelle à partir de ce modèle…​ », puis suivez l'assistant.

Figure montrant une boîte de dialogue d'entrée/sortie ou représentant un contenu écrit

Créer et monter un volume de données

Ensuite, vous devez créer un nouveau volume de données sur lequel stocker votre ensemble de données d’entraînement. Vous pouvez créer rapidement un nouveau volume de données à l’aide de NetApp DataOps Toolkit. L'exemple de commande qui suit montre la création d'un volume nommé « imagenet » d'une capacité de 2 To.

$ netapp_dataops_cli.py create vol -n imagenet -s 2TB

Avant de pouvoir remplir votre volume de données avec des données, vous devez le monter dans la machine virtuelle invitée. Vous pouvez monter rapidement un volume de données à l’aide de NetApp DataOps Toolkit. L'exemple de commande qui suit montre le montage du volume qui a été créé à l'étape précédente.

$ sudo -E netapp_dataops_cli.py mount vol -n imagenet -m ~/imagenet

Remplir le volume de données

Une fois le nouveau volume provisionné et monté, l’ensemble de données de formation peut être récupéré à partir de l’emplacement source et placé sur le nouveau volume. Cela impliquera généralement d'extraire les données d'un lac de données S3 ou Hadoop et nécessitera parfois l'aide d'un ingénieur de données.

Exécuter la tâche d'entraînement TensorFlow

Vous êtes maintenant prêt à exécuter votre tâche de formation TensorFlow. Pour exécuter votre tâche de formation TensorFlow, effectuez les tâches suivantes.

  1. Extrayez l’image du conteneur NVIDIA NGC Enterprise TensorFlow.

    $ sudo docker pull nvcr.io/nvaie/tensorflow-2-1:22.05-tf1-nvaie-2.1-py3

  2. Lancez une instance du conteneur TensorFlow d’entreprise NVIDIA NGC. Utilisez l'option « -v » pour attacher votre volume de données au conteneur.

    $ sudo docker run --gpus all -v ~/imagenet:/imagenet -it --rm nvcr.io/nvaie/tensorflow-2-1:22.05-tf1-nvaie-2.1-py3

  3. Exécutez votre programme de formation TensorFlow dans le conteneur. L'exemple de commande qui suit montre l'exécution d'un exemple de programme de formation ResNet-50 inclus dans l'image du conteneur.

    $ python ./nvidia-examples/cnn/resnet.py --layers 50 -b 64 -i 200 -u batch --precision fp16 --data_dir /imagenet/data