云计算课程实验
You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.

307 lines
10 KiB

пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
пре 4 година
  1. # Assignment 7 指南
  2. ## `******注意,实验结束请立即删除云主机、UFS文件存储和UAI Train交互式训练任务,节省费用******`
  3. ## `******注意2,实验未结束且短期内不会继续实验,也请删除所有上述资源。下次实验时重新创建******`
  4. ## 实验内容
  5. - 创建文件存储: `实验步骤 一)`
  6. - 创建云主机,并挂载文件存储:`实验步骤 二)`
  7. - 在水杉码园创建一个仓库,并下载至文件存储:`实验步骤 三)`
  8. - 创建UAI Train交互式训练任务,启动并切换成编辑模式: `实验步骤 四)`
  9. - 使用交互式训练任务训练一个能够识别MNIST手写数字的神经网络,并将所有内容同步到水杉码园:`实验步骤 五)`
  10. ## 实验要求
  11. - 完成所有步骤,并在实验报告([模板下载](file/assignment7/学号-实验七.docx))中完成穿插在本指南中的作业1~作业5)。实验报告转成“学号-实验七.pdf”,并上传至http://113.31.104.68:3389/index.htm
  12. - 实验报告上传deadline: `12月4日`
  13. ## 使用UCloud产品
  14. 云主机UHost、文件存储UFS、镜像库UHub、AI训练UAI Train、私有网络VPC、基础网络UNet
  15. ## 需要权限
  16. 云主机UHost、文件存储UFS、镜像库UHub、AI训练UAI Train、基础网络UNet
  17. ## 基础知识
  18. `MNIST:` MNIST是一个手写数字数据库,包含60000个训练样本和10000个测试样本,是一个能够快速上手的、用于尝试机器学习和模式识别技术的数据集。以下是部分MNIST中的样本。
  19. <kbd>
  20. <img src="img/assignment7/ass7-mnist.png">
  21. </kbd>
  22. ## 实验步骤
  23. ### 一)创建一个文件存储
  24. #### 1)在产品->存储中选择“文件存储UFS”,然后点击创建文件系统。
  25. #### 2)如下图,存储类型选择SSD性能型,100GB,按时付费。
  26. <kbd>
  27. <img src="img/assignment7/ass7-createufs.png">
  28. </kbd>
  29. #### 3)创建完毕后,点击添加挂载点,如下图所示选择一个VPC网络,使得相应的子网是DefaultNetwork,点击确定。这样我们等一下在DefaultNetwork下面创建一个云主机,就能把这个文件存储挂载到云主机上。
  30. <kbd>
  31. <img src="img/assignment7/ass7-setmount.png">
  32. </kbd>
  33. #### 4)点击“管理挂载”,查看挂载信息,记住文件存储所在的ip地址,第二)步中我们把这个文件存储挂载到云主机上。
  34. <kbd>
  35. <img src="img/assignment7/ass7-mountinfo.png">
  36. </kbd>
  37. ## `**************作业1:请将含有文件存储ip地址信息的页面截图,并插入实验报告***************`
  38. ### 二)将文件存储挂载到云主机上,使得它在逻辑上成为云主机的一个分区
  39. #### 1)创建一个1核1G的云主机,绑定弹性IP,按时付费(这个云主机必须在文件存储所挂载的子网中,否则无法和文件存储通信)
  40. #### 2)登录云主机,安装NFS
  41. ```
  42. sudo yum install -y nfs-utils
  43. ```
  44. NFS(Network File System)是一个能够使得本地主机访问远程主机文件系统的应用程序。因为步骤一)创建的文件存储对于当前的云主机来讲是一个远程存储(网络存储),使用NFS协议才能将其挂载到当前云主机上。
  45. #### 3)在云主机上挂载文件存储,挂载点为/mnt
  46. ```
  47. sudo mount -t nfs4 你的文件存储IP地址:/ /mnt
  48. ```
  49. #### 4)运行如下命令查看当前云主机的文件系统
  50. ```
  51. df -hT
  52. ```
  53. 你应该看到如下图所示内容
  54. <kbd>
  55. <img src="img/assignment7/ass7-df.png">
  56. </kbd>
  57. ## `**************作业2:请将df -hT的运行后界面截图,并插入实验报告***************`
  58. ### 三)在水杉码园创建一个仓库,并下载至文件存储
  59. #### 1)登录水杉在线,并进入水杉码园。创建一个仓库mnist(你也可以用其他命名,但后续操作请做相应修改),创建完毕后,找到你的仓库ssh地址,备用
  60. <kbd>
  61. <img src="img/assignment7/ass7-createrepo1.png">
  62. </kbd>
  63. <kbd>
  64. <img src="img/assignment7/ass7-createrepo2.png">
  65. </kbd>
  66. <kbd>
  67. <img src="img/assignment7/ass7-sshaddr.png">
  68. </kbd>
  69. #### 2)在云主机上安装git,并配置一下
  70. ```
  71. sudo yum install -y git
  72. git config --global user.name "陆雪松"
  73. git config --global user.email "xuesong.lu.dase@gmail.com"
  74. ```
  75. #### 3)生成云主机密钥,使用密钥访问水杉码园
  76. ```
  77. ssh-keygen
  78. ```
  79. 不用在提示符中输入任何内容,连摁回车,密钥即生成。可以在~/.ssh/下看到你生成的两个密钥,id_rsa是私钥,id_rsa.pub是公钥。如果你使用root账号,密钥在/root/.ssh/目录下。接下来我们要把公钥给码园,以后从这台云主机访问码园,云主机会把私钥提供给码园进行身份验证。
  80. #### 4)打印并复制公钥的内容
  81. ```
  82. cat ~/.ssh/id_rsa.pub
  83. ```
  84. 复制屏幕上出现的公钥内容
  85. #### 5)在码园中创建公钥,并粘贴上述公钥内容
  86. <kbd>
  87. <img src="img/assignment7/ass7-key1.png">
  88. </kbd>
  89. <kbd>
  90. <img src="img/assignment7/ass7-key2.png">
  91. </kbd>
  92. <kbd>
  93. <img src="img/assignment7/ass7-key3.png">
  94. </kbd>
  95. #### 6)在云主机上运行如下命令,取消码园密码访问
  96. ```
  97. eval 'ssh-agent -s'
  98. exec ssh-agent bash
  99. ssh-add ~/.ssh/id_rsa
  100. ssh -T root@gitea.shuishan.net.cn
  101. ```
  102. 如果你看到类似如下输出,说明密钥访问设置成功
  103. <kbd>
  104. <img src="img/assignment7/ass7-key4.png">
  105. </kbd>
  106. #### 7)将mnist仓库下载到文件储存
  107. ```
  108. cd /mnt
  109. sudo mkdir mnist
  110. sudo chown xuesong:xuesong mnist //更改mnist文件夹拥有者(即你的云主机登录账号)。假如你使用root账号,这步不需要
  111. cd mnist
  112. git init
  113. git pull root@gitea.shuishan.net.cn:luxuesong_dase_ecnu_edu_cn/mnist.git //将pull后面的内容替换成你仓库的ssh地址
  114. ```
  115. #### 8)在mnist下面新建三个目录code,data,output,下一个步骤中会使用。创建完毕后,你的mnist文件夹应该有如下结构。
  116. <kbd>
  117. <img src="img/assignment7/ass7-tree.png">
  118. </kbd>
  119. 在步骤四)和五)中,我们将代码放在code文件夹中,数据放在data中,模型放在output中
  120. ## `**************作业3:请在mnist目录下运行ls -la命令并截图,插入实验报告***************`
  121. ### 四)创建UAI Train交互式训练任务,并切换成`编辑模式` (重要!!)
  122. #### 1)在UCloud产品中人工智能分类下面,选择"AI训练服务 UAI Train",点击“交互式训练”选项卡->创建交互式训练任务
  123. #### 2)任务命名随意,在执行信息里面,输入Ucloud账号的公钥和私钥(右上角“API密钥”),代码镜像路径为默认,其余路径均选择UFS,然后如下图所示配置
  124. <kbd>
  125. <img src="img/assignment7/ass7-aitrain.png">
  126. </kbd>
  127. > 简要说明一下交互式训练的工作原理:启动任务的时候,UAI Train会运行一个docker容器,可以是UCloud的默认镜像,也可以是你自己创建的镜像,默认镜像已经安装了python,pytorch,tensorflow等等工具。我们配置的上述UFS路径,UAI Train会将他们映射到容器的/data目录下。也就是说,mnist/data会映射到容器的/data/data目录,mnist/code会映射到容器的/data/code目录。接下来我们便可以在容器中访问这些路径,运行代码。
  128. #### 3)配置完毕,创建任务,等状态变成“执行中”,说明创建成功。
  129. <kbd>
  130. <img src="img/assignment7/ass7-trainjob.png">
  131. </kbd>
  132. #### 4)这一步非常重要!!创建成功后,立即将任务模式从“训练模式”切换成`编辑模式`。
  133. > 点击“切换”
  134. <kbd>
  135. <img src="img/assignment7/ass7-switch1.png">
  136. </kbd>
  137. > 选择一个镜像库,填入要保存的镜像名。如果你的项目中还没有镜像库,则新建一个镜像库。
  138. <kbd>
  139. <img src="img/assignment7/ass7-switch2.png">
  140. </kbd>
  141. > 填入公钥和私钥,点击“确定”
  142. <kbd>
  143. <img src="img/assignment7/ass7-switch3.png">
  144. </kbd>
  145. > 等待几分钟,等运行状态重新变成“执行中”,说明切换成功。这时候任务模式已经是“编辑模式”。
  146. <kbd>
  147. <img src="img/assignment7/ass7-switch4.png">
  148. </kbd>
  149. 说明:这么做的原因只有一个,训练模式跑的是GPU,太烧钱 :joy: :joy: !!
  150. 写代码时是不需要GPU的,所以切换到编辑模式,跑在CPU机器上;当代码完成,需要大规模训练的时候,才使用训练模式。
  151. ## 本实验不需要用到GPU,请确保一直在编辑模式下完成实验!!并且,实验暂停时,请点击“停止”暂停任务,这样便不会收费
  152. <kbd>
  153. <img src="img/assignment7/ass7-switch5.png">
  154. </kbd>
  155. ## `**************作业4:请将编辑模式页面截图,插入实验报告***************`
  156. ### 五)使用交互式训练任务训练MNIST识别模型,最后将所有内容同步到水杉码园
  157. #### 1)点击训练任务的“Jupyter”按钮,进入jupyter notebook,我们看到了文件存储上的三个文件夹code,data和output,因为我们将它们映射到了容器中。
  158. <kbd>
  159. <img src="img/assignment7/ass7-jupynote.png">
  160. </kbd>
  161. #### 2)点击进入code,新建一个tensorflow的notebook,并重命名为mnist,然后保存文件
  162. <kbd>
  163. <img src="img/assignment7/ass7-tf.png">
  164. </kbd>
  165. <kbd>
  166. <img src="img/assignment7/ass7-jupynotern.png">
  167. </kbd>
  168. #### 3)回到云主机,进入/mnt/mnist/data目录,下载mnist数据集。完成后你的mnist目录结构应该如下图所示(output中可能略有不同)
  169. ```
  170. wget https://storage.googleapis.com/tensorflow/tf-keras-datasets/mnist.npz
  171. ```
  172. <kbd>
  173. <img src="img/assignment7/ass7-mnisttree.png">
  174. </kbd>
  175. #### 4)此时让我们先把这些文件push一把,同步到码园中。在/mnt/mnist下,运行
  176. ```
  177. git remote add origin root@gitea.shuishan.net.cn:luxuesong_dase_ecnu_edu_cn/mnist.git //替换成你的码园仓库
  178. git add .
  179. git commit -m "xuesong's first commit"
  180. git push origin master
  181. ```
  182. 没有报错则成功push,去水杉码园查看你的仓库验证。
  183. #### 5)下载mnist训练代码[mnist.py](file/assignment7/mnist.py),并在刚刚创建的mnist.ipynb中验证、训练一个模型。
  184. ## `**************作业5:上述代码训练的模型,在测试集上精度较低(如下图),请把测试集上的精度提升到95%以上(即运行model.evaluate(x_test, y_test)后,accurray在95%以上),将运行结果截图并插入实验报告***************`
  185. <kbd>
  186. <img src="img/assignment7/ass7-mnisteva.png">
  187. </kbd>
  188. > 提示:你可以尝试增加epoch,也可以尝试更换优化器,其他优化器有Adagrad, RMSprop, Adam等
  189. #### 6)保存训练代码,并push到水杉码园中。
  190. ```
  191. git add .
  192. git commit -m "commit source code and model"
  193. git push origin master
  194. ```