ARM64 GPU PyTorch DLAMI 사용

Arm64 프로세서 기반 GPU와 함께 AWS Deep Learning AMI 바로 사용할 수 있으며 최적화된 상태로 제공됩니다. PyTorch ARM64 GPU PyTorch DLAMI에는 딥러닝 트레이닝 및 추론 사용 사례에 PyTorch맞게 사전 구성된 TorchVisionPython 환경이 포함되어 있습니다. TorchServe

PyTorch Python 환경 확인하기

G5g 인스턴스에 연결하고 다음 명령을 사용하여 기본 Conda 환경을 활성화합니다.

source activate base

명령 프롬프트에, 및 기타 라이브러리가 포함된 PyTorch 기본 Conda 환경에서 작업 중임을 나타내야 합니다. TorchVision

(base) $

PyTorch 환경의 기본 도구 경로를 확인하십시오.

(base) $ which python
(base) $ which pip
(base) $ which conda
(base) $ which mamba
>>> import torch, torchvision
>>> torch.__version__
>>> torchvision.__version__
>>> v = torch.autograd.Variable(torch.randn(10, 3, 224, 224))
>>> v = torch.autograd.Variable(torch.randn(10, 3, 224, 224)).cuda()
>>> assert isinstance(v, torch.Tensor)

다음을 사용하여 교육 샘플을 실행하십시오. PyTorch

샘플 MNIST 교육 작업을 실행합니다.

git clone https://github.com/pytorch/examples.git
cd examples/mnist
python main.py

출력은 다음과 비슷한 형태가 됩니다.

...
Train Epoch: 14 [56320/60000 (94%)]    Loss: 0.021424
Train Epoch: 14 [56960/60000 (95%)]    Loss: 0.023695
Train Epoch: 14 [57600/60000 (96%)]    Loss: 0.001973
Train Epoch: 14 [58240/60000 (97%)]    Loss: 0.007121
Train Epoch: 14 [58880/60000 (98%)]    Loss: 0.003717
Train Epoch: 14 [59520/60000 (99%)]    Loss: 0.001729
Test set: Average loss: 0.0275, Accuracy: 9916/10000 (99%)

다음을 사용하여 추론 샘플을 실행합니다. PyTorch

다음 명령을 사용하여 사전 학습된 densenet161 모델을 다운로드하고 다음을 사용하여 추론을 실행합니다. TorchServe

# Set up TorchServe
cd $HOME
git clone https://github.com/pytorch/serve.git
mkdir -p serve/model_store
cd serve

# Download a pre-trained densenet161 model
wget https://download.pytorch.org/models/densenet161-8d451a50.pth >/dev/null

# Save the model using torch-model-archiver
torch-model-archiver --model-name densenet161 \
    --version 1.0 \
    --model-file examples/image_classifier/densenet_161/model.py \
    --serialized-file densenet161-8d451a50.pth \
    --handler image_classifier \
    --extra-files examples/image_classifier/index_to_name.json  \
    --export-path model_store 

# Start the model server
torchserve --start --no-config-snapshots \
    --model-store model_store \
    --models densenet161=densenet161.mar &> torchserve.log

# Wait for the model server to start
sleep 30

# Run a prediction request
curl http://127.0.0.1:8080/predictions/densenet161 -T examples/image_classifier/kitten.jpg

출력은 다음과 비슷한 형태가 됩니다.

{
  "tiger_cat": 0.4693363308906555,
  "tabby": 0.4633873701095581,
  "Egyptian_cat": 0.06456123292446136,
  "lynx": 0.0012828150065615773,
  "plastic_bag": 0.00023322898778133094
}

다음 명령을 사용하여 densenet161 모델을 등록 취소하고 서버를 중지하세요.

curl -X DELETE http://localhost:8081/models/densenet161/1.0
torchserve --stop

출력은 다음과 비슷한 형태가 됩니다.

{
  "status": "Model \"densenet161\" unregistered"
}
TorchServe has stopped.