Jittor 深度学习框架

1. 创建 Jittor / JupyterLab 运行环境

进入曙光智算平台页面，下拉查看“我的服务”，点击“智能计算服务”。

1.png

在 Notebook 页面中，点击创建 Notebook，开发工具选择 jupyter，加速器类型选择DCU，框架版本选择含 Jittor 的选项，资源规格可选 4 加速器（4卡）。

2.png

点击创建后曙光平台开始配置部署运行环境，需要等待几分钟完成部署。

2. 在 JupyterLab 中使用 Jittor

在 Notebook 页面找到刚刚创建的运行环境，点击 “进入” 即可打开新的浏览器页面使用 JupyterLab。

首先打开一个终端环境测试 Jittor，可从首页打开 Terminal，也可从 File->New->Terminal 进入。

输入以下命令运行 python ，测试 jittor

python -m jittor.test.test_example

第一次运行时 Jittor 需要一段时间编译安装相关运行环境。首次运行时，Jittor 会报黄色 warning。

3.png

这是因为 Jittor 在尝试下载 cpu 加速库，但是运行环境不联网，导致下载失败。我们可以从 https://cg.cs.tsinghua.edu.cn/jittor/assets/dnnl_lnx_2.2.0_cpu_gomp.tgz 把加速库下载到本地，再上传到路径 public/home/<username>/.cache/jittor/mkl/dnnl_lnx_2.2.0_cpu_gomp.tgz。具体上传方式见第3节。

在曙光平台中使用 Jittor 并利用 DCU加速的方式与使用CUDA相同，您不需要对代码针对硬件的修改，Jittor已经完成了适配。用户指定 jt.flags.use_cuda=1后，Jittor即可利用 DCU加速运算。

3. 上传数据

在控制台页面，找到 文件-> E-File，点击即可进入 E-File 页面，上传或者下载数据。

4.png

4. 安装 python 包

JupyterLab 里无法访问互联网，因此用户不能直接通过 pip 安装 python 包，但是可以通过登陆节点访问外网。

在控制台页面，找到 命令行 (E-Shell)，点击打开 E-Shell 页面。 5.png

在 E-Shell 中，运行以下命令加载 python3.8

module load apps/python/3.8.10

之后就可以使用 pip 安装所需要的 python 包，如下所示。通过此方式安装的 python 包在已有的 JupyterLab 运行环境中也可以使用。

python3 -m pip install tensorboardX

5. 更新 Jittor

创建运行环境时的 Jittor 版本可能低于最新版本，因此您可以依据第 4 节的方法，使用 pip 更新 Jittor。

python3 -m pip install -U jittor

results matching ""

    No results matching ""