云计算课程实验
Вы не можете выбрать более 25 тем Темы должны начинаться с буквы или цифры, могут содержать дефисы(-) и должны содержать не более 35 символов.
 
 
 
 
 

8.6 KiB

Assignment 7 指南

******注意,实验结束请立即删除云主机、UFS文件存储,节省费用******

******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******

实验内容

  • 创建文件存储: 实验步骤 一)
  • 创建云主机,并挂载文件存储:实验步骤 二)
  • 在水杉码园创建一个仓库,并下载至文件存储:实验步骤 三)
  • 拉取python镜像,在容器内测试环境: 实验步骤 四)
  • 使用python容器训练识别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)

实验要求

使用UCloud产品

云主机UHost、文件存储UFS、镜像库UHub、私有网络VPC、基础网络UNet

需要权限

云主机UHost、文件存储UFS、镜像库UHub、基础网络UNet

基础知识

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。

实验步骤

一)创建一个文件存储

1)在产品->存储中选择“文件存储UFS”,然后点击创建文件系统。

2)如下图,存储类型选择SSD性能型,100GB(新版本最低只能设置为500G),按时付费。

3)创建完毕后,如下图所示在弹窗中点击确定设置挂载点,接着选择一个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。

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。

**************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***************

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

1)创建一个1核2G(1G可能不够!!!)的云主机(后续需要用到docker,可从带docker的镜像创建主机),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)

2)登录云主机,安装NFS

sudo yum install -y nfs-utils

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。

3)在云主机上挂载文件存储,挂载点为/mnt

sudo mount -t nfs4 你的文件存储IP地址:/ /mnt

4)运行如下命令查看当前云主机的文件系统

df -hT

你应该看到如下图所示内容

**************作业2:请将df -hT的运行后界面截图,并插入实验报告***************

三)在水杉码园创建一个仓库,并下载至文件存储

1)登录水杉在线,并从水杉在线门户进入“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

2)在云主机上安装git,并配置一下,对应于自己水杉码园的用户名和邮箱

sudo yum install -y git
git config --global user.name "51255903039"
git config --global user.email "51255903039@stu.ecnu.edu.cn"

3)生成云主机密钥,使用密钥访问水杉码园

ssh-keygen -t rsa -C '51255903039@stu.ecnu.edu.cn'

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。

4)打印并复制公钥的全部内容

cat ~/.ssh/id_rsa.pub

复制屏幕上出现的公钥内容

5)在码园中创建公钥,并粘贴上述公钥内容

6)在云主机上运行如下命令,取消码园密码访问

eval 'ssh-agent -s'
exec ssh-agent bash
ssh-add ~/.ssh/id_rsa
ssh -T git@gitea.shuishan.net.cn

如果你看到类似如下输出,说明密钥访问设置成功

7)将mnist仓库下载到文件储存

cd /mnt
sudo mkdir mnist
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
cd mnist
git init
git pull git@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

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。

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

**************作业3:请在mnist目录下运行ls -la命令并截图,插入实验报告***************

四)使用docker拉取python镜像,并进入容器运行python

1)运行docker,登录ucloud的镜像仓库,输入ucloud密码

docker login uhub.service.ucloud.cn -u 707661163@qq.com  //换成你的ucloud登录邮箱

2)拉取python镜像

docker pull uhub.service.ucloud.cn/cloud_computing/python:latest

3)运行容器,并进入bash

docker run -it uhub.service.ucloud.cn/cloud_computing/python /bin/bash

4)测试python环境,查看已有包

python -V
pip list

**************作业4:请将进入容器测试python页面截图,插入实验报告***************

五)使用python容器训练MNIST识别模型,最后将所有内容同步到水杉码园

1)按ctrl+d可退出容器,进入主机/mnt/mnist/data目录,下载mnist数据集。

wget https://storage.googleapis.com/tensorflow/tf-keras-datasets/mnist.npz

2)此时让我们先把UFS中的这些文件push一把,同步到码园中。在/mnt/mnist下,运行

git remote add origin git@gitea.shuishan.net.cn:luxuesong_dase_ecnu_edu_cn/mnist.git   //替换成你的码园仓库
git add .
git commit -m "xuesong's first commit"
git push origin master

没有报错则成功push,去水杉码园查看你的仓库验证。

3)下载mnist训练代码mnist.py,把它放在/mnt/mnist/code/目录下。

4)进入python容器依次安装训练所需的包。

pip install -U numpy==1.16.4 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install tensorflow==1.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

5)准备好数据、代码、环境,开始训练。因为/mnt/mnist目录在容器外部,所以运行时需要将此目录与容器内部的目录进行映射。

docker run -v /mnt/mnist:/home/mnist -it uhub.service.ucloud.cn/cloud_computing/python /bin/bash

**************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***************

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

6)保存训练代码,并push到水杉码园中。

git add .
git commit -m "commit source code and model"
git push origin master