真实的国产乱ⅩXXX66竹夫人,五月香六月婷婷激情综合,亚洲日本VA一区二区三区,亚洲精品一区二区三区麻豆

成都創(chuàng)新互聯(lián)網(wǎng)站制作重慶分公司

怎么在Kubernetes集群中利用GPU進行AI訓(xùn)練

本篇內(nèi)容介紹了“怎么在Kubernetes集群中利用GPU進行AI訓(xùn)練”的有關(guān)知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

成都創(chuàng)新互聯(lián)堅持“要么做到，要么別承諾”的工作理念，服務(wù)領(lǐng)域包括：做網(wǎng)站、網(wǎng)站設(shè)計、企業(yè)官網(wǎng)、英文網(wǎng)站、手機端網(wǎng)站、網(wǎng)站推廣等服務(wù)，滿足客戶于互聯(lián)網(wǎng)時代的天峻網(wǎng)站設(shè)計、移動媒體設(shè)計的需求，幫助企業(yè)找到有效的互聯(lián)網(wǎng)解決方案。努力成為您成熟可靠的網(wǎng)絡(luò)建設(shè)合作伙伴！

注意事項

截止Kubernetes 1.8版本：

  • 對GPU的支持還只是實驗階段，仍停留在Alpha特性，意味著還不建議在生產(chǎn)環(huán)境中使用Kubernetes管理和調(diào)度GPU資源。

  • 只支持NVIDIA GPUs。

  • Pods不能共用同一塊GPU，即使同一個Pod內(nèi)不同的Containers之間也不能共用同一塊GPU。這是Kubernetes目前對GPU支持最難以接受的一點。因為一塊PU價格是很昂貴的，一個訓(xùn)練進程通常是無法完全利用滿一塊GPU的，這勢必會造成GPU資源的浪費。

  • 每個Container請求的GPU數(shù)要么為0，要么為正整數(shù)，不允許為為分?jǐn)?shù)，也就是說不支持只請求部分GPU。

  • 無視不同型號的GPU計算能力，如果你需要考慮這個，那么可以考慮使用NodeAffinity來干擾調(diào)度過程。

  • 只支持docker作為container runtime，才能使用GPU，如果你使用rkt等，那么你可能還要再等等了。

邏輯圖

目前，Kubernetes主要負(fù)責(zé)GPU資源的檢測和調(diào)度，真正跟NVIDIA Driver通信的還是docker，因此整個邏輯結(jié)構(gòu)圖如下：

怎么在Kubernetes集群中利用GPU進行AI訓(xùn)練

讓kubelet發(fā)現(xiàn)GPU資源并可被調(diào)度

  • 請確認(rèn)Kubernetes集群中的GPU服務(wù)器已經(jīng)安裝和加載了NVIDIA Drivers，可以使用nvidia-docker-plugin來確認(rèn)是否已加載Drivers。

    • 如何安裝，請參考nvidia-docker 2.0 installation。

    • 如何確定NVIDIA Drivers Ready呢？執(zhí)行命令 kubectl get node $GPU_Node_Name -o yaml查看該Node的信息，如果看到.status.capacity.alpha.kubernetes.io/nvidia-gpu: $Gpu_num，則說明kubelet已經(jīng)成功通過driver識別到了本地的GPU資源。

  • 請確認(rèn)kube-apiserver, kube-controller-manager, kube-scheduler, kubelet, kube-proxy每個組件的--feature-gatesflag中都包含Accelerators=true(雖然實際上不是每個組件都需要配置這一項，比如kube-proxy)

注意在BIOS里面檢查你的UEFI是否開啟，如果開啟的話請立馬關(guān)掉它，否則nvidia驅(qū)動可能會安裝失敗。

關(guān)注Nvidia k8s-device-plugin

如果你使用的是Kubernetes 1.8,那么也可以利用kubernetes device plugin這一Alpha特性，讓第三方device plugin發(fā)現(xiàn)和上報資源信息給kubelet，Nividia有對應(yīng)的plugin，請參考nvidia k8s-device-plugin。nvidia k8s-device-plugin通過DaemonSet方式部署到GPUs Server中，下面是其yaml描述文件內(nèi)容：

apiVersion: extensions/v1beta1
kind: DaemonSet
metadata:
  name: nvidia-device-plugin-daemonset
spec:
  template:
    metadata:
      labels:
        name: nvidia-device-plugin-ds
    spec:
      containers:
      - image: nvidia-device-plugin:1.0.0
        name: nvidia-device-plugin-ctr
        imagePullPolicy: Never
        env:
          - name: NVIDIA_VISIBLE_DEVICES
            value: ALL
          - name: NVIDIA_DRIVER_CAPABILITIES
            value: utility,compute
        volumeMounts:
          - name: device-plugin
            mountPath: /var/lib/kubelet/device-plugins
      volumes:
        - name: device-plugin
          hostPath:
            path: /var/lib/kubelet/device-plugins

關(guān)于Kubernetes Device Plugin，后面有機會我再單獨寫一篇博文來深入分析。

如何在Pod中使用GPU

不同于cpu和memory，你必須強制顯式申明你打算使用的GPU number，通過在container的resources.limits中設(shè)置alpha.kubernetes.io/nvidia-gpu為你想要使用的GPU數(shù)，通過設(shè)置為1就已經(jīng)足夠了，應(yīng)該沒多少訓(xùn)練場景一個worker需要獨占幾塊GPU的。

kind: Pod
apiVersion: v1
metadata:
  name: gpu-pod
spec:
  containers:
  - name: gpu-container-1
    image: gcr.io/google_containers/pause:2.0
    resources:
      limits:
        alpha.kubernetes.io/nvidia-gpu: 1
    volumeMounts:
    - mountPath: /usr/local/nvidia
      name: nvidia
  volumes:
  - hostPath:
    path: /var/lib/nvidia-docker/volumes/nvidia_driver/384.98
    name: nvidia

注意，需要將主機上的nvidia_driver通過hostpath掛載到容器內(nèi)的/usr/local/nvidia

有些同學(xué)或許已經(jīng)有疑問了：為啥沒看到設(shè)置resources.requests,直接設(shè)置resources.limits?

熟悉Kubernetes中LimitRanger和Resource QoS的同學(xué)應(yīng)該就發(fā)現(xiàn)了，這種對GPU resources的設(shè)置是屬于QoS為Guaranteed，也就是說：

  • 你可以只顯式設(shè)置limits，不設(shè)置requests，那么requests其實就等于limits。

  • 你可以同時顯示設(shè)置limits和requests，但兩者必須值相等。

  • 你不能只顯示設(shè)置requests，而不設(shè)置limits，這種情況屬于Burstable。

注意，在Kubernetes 1.8.0 Release版本中，存在一個bug：設(shè)置GPU requests小于limits是允許的，具體issue可以參考Issue 1450，代碼已經(jīng)合并到v1.8.0-alpha.3中，請使用時注意。下面是對應(yīng)的修改代碼。

pkg/api/v1/validation/validation.go

func ValidateResourceRequirements(requirements *v1.ResourceRequirements, fldPath *field.Path) field.ErrorList {
	...
		// Check that request <= limit.
		limitQuantity, exists := requirements.Limits[resourceName]
		if exists {
			// For GPUs, not only requests can't exceed limits, they also can't be lower, i.e. must be equal.
			if quantity.Cmp(limitQuantity) != 0 && !v1helper.IsOvercommitAllowed(resourceName) {
				allErrs = append(allErrs, field.Invalid(reqPath, quantity.String(), fmt.Sprintf("must be equal to %s limit", resourceName)))
			} else if quantity.Cmp(limitQuantity) > 0 {
				allErrs = append(allErrs, field.Invalid(reqPath, quantity.String(), fmt.Sprintf("must be less than or equal to %s limit", resourceName)))
			}
		} else if resourceName == v1.ResourceNvidiaGPU {
			allErrs = append(allErrs, field.Invalid(reqPath, quantity.String(), fmt.Sprintf("must be equal to %s request", v1.ResourceNvidiaGPU)))
		}
	}

	return allErrs
}

關(guān)于Kubernetes Resource QoS的更多知識，請參考我的另一篇博文：Kubernetes Resource QoS機制解讀。

使用NodeAffinity增強GPU調(diào)度

前面提到，Kubernetes默認(rèn)不支持GPU硬件的區(qū)別和差異化調(diào)度，如果你需要這種效果，可以通過NodeAffinity來實現(xiàn)，或者使用NodeSelector來實現(xiàn)（不過，NodeAffinity能實現(xiàn)NodeSelector，并且強大的多，NodeSelector應(yīng)該很快會Deprecated。）

  • 首先，給GPU服務(wù)器打上對應(yīng)的Label，你有兩種方式：

    • 在kubelet啟動flag中添加--node-labels='alpha.kubernetes.io/nvidia-gpu-name=$NVIDIA_GPU_NAME'，當(dāng)然alpha.kubernetes.io/nvidia-gpu-name你可以換成其他你自定義的key，但要注意可讀性。這種方式，需要重啟kubelet才能生效，屬于靜態(tài)方式。

    • 通過rest client修改對應(yīng)的Node信息，加上對應(yīng)的Label。比如執(zhí)行kubectl label node $GPU_Node_Name alpha.kubernetes.io/nvidia-gpu-name=$NVIDIA_GPU_NAME，這是實時生效的，可隨時增加刪除，屬于動態(tài)方式。

  • 然后，在需要使用指定GPU硬件的Pod Spec中添加對應(yīng)的NodeAffinity Type為requiredDuringSchedulingIgnoredDuringExecution的相關(guān)內(nèi)容，參考如下：

kind: pod
apiVersion: v1
metadata:
  annotations:
    scheduler.alpha.kubernetes.io/affinity: >
      {
        "nodeAffinity": {
          "requiredDuringSchedulingIgnoredDuringExecution": {
            "nodeSelectorTerms": [
              {
                "matchExpressions": [
                  {
                    "key": "alpha.kubernetes.io/nvidia-gpu-name",
                    "operator": "In",
                    "values": ["Tesla K80", "Tesla P100"]
                  }
                ]
              }
            ]
          }
        }
      }
spec:
  containers:
  - name: gpu-container-1
    resources:
      limits:
        alpha.kubernetes.io/nvidia-gpu: 1
      volumeMounts:
      - mountPath: /usr/local/nvidia
        name: nvidia
   volumes:
   - hostPath:
   path: /var/lib/nvidia-docker/volumes/nvidia_driver/384.98
   name: nvidia
其中Tesla K80, Tesla P100都是NVIDIA GPU的型號。

使用CUDA Libs

通常，CUDA Libs安裝在GPU服務(wù)器上，那么使用GPU的Pod可以通過volume type為hostpath的方式使用CUDA Libs。

kind: Pod
apiVersion: v1
metadata:
  name: gpu-pod
spec:
  containers:
  - name: gpu-container-1
    image: gcr.io/google_containers/pause:2.0
    resources:
      limits:
        alpha.kubernetes.io/nvidia-gpu: 1
    volumeMounts:
    - mountPath: /usr/local/nvidia
      name: nvidia
  volumes:
  - hostPath:
    path: /var/lib/nvidia-docker/volumes/nvidia_driver/384.98
    name: nvidia

在TensorFlow中進行GPU訓(xùn)練

參考如何落地TensorFlow on Kubernetes將TensorFlow跑在Kubernetes集群中，并且能創(chuàng)建Distributed TensorFlow集群啟動訓(xùn)練。

怎么在Kubernetes集群中利用GPU進行AI訓(xùn)練

不同的是，在worker對應(yīng)的Job yaml中按照上面的介紹:

  • 將docker image換成tensorflow:1.3.0-gpu;

  • 給container加上GPU resources limits, 去掉cpu和memory的相關(guān)resources requests設(shè)置;

  • 并掛載對應(yīng)的CUDA libs，然后在訓(xùn)練腳本中就能使用/device:GPU:1, /device:GPU:2, ...進行加速訓(xùn)練了。

“怎么在Kubernetes集群中利用GPU進行AI訓(xùn)練”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識可以關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實用文章！


當(dāng)前標(biāo)題：怎么在Kubernetes集群中利用GPU進行AI訓(xùn)練
標(biāo)題URL：http://weahome.cn/article/ipgscs.html

其他資訊

在線咨詢

微信咨詢

電話咨詢

028-86922220（工作日）

18980820575（7×24）

提交需求

返回頂部