Ubuntu에 설치하기¶
이 섹션에서는 Ubuntu에 Driverless AI Docker 이미지를 설치하는 방법을 설명합니다. 시스템에 GPU가 있는지 또는 CPU만 사용하는지에 따라 설치 단계가 다릅니다.
환경¶
운영 체제 |
GPU 유무 |
Min 메모리 |
---|---|---|
GPU가 있는 Ubuntu |
예 |
64GB |
CPU가 있는 Ubuntu |
아니요 |
64GB |
GPU가 포함된 Ubuntu에 설치하기¶
Note: Ubuntu 16.04 이상에서는 Driverless AI가 지원됩니다.
터미널을 열고 Driverless AI를 실행할 시스템에 ssh를 적용합니다. 로그인한 다음, 다음 단계를 수행합니다.
https://www.h2o.ai/download/ 에서 Driverless AI Docker 이미지를 검색합니다(이 Docker 이미지에는 CentOS 커널 및 CentOS 패키지가 포함되어 있습니다).
Ubuntu에 Docker를 설치하여(아직 설치되지 않은 경우) 실행합니다.
# Install and run Docker on Ubuntu curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add - sudo apt-key fingerprint 0EBFCD88 sudo add-apt-repository \ "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" sudo apt-get update sudo apt-get install docker-ce sudo systemctl start docker
nvidia-docker2를 설치합니다(아직 설치되지 않은 경우). 자세한 내용은 https://github.com/NVIDIA/nvidia-docker/blob/master/README.md 에서 확인할 수 있습니다.
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | \ sudo apt-key add - distribution=$(. /etc/os-release;echo $ID$VERSION_ID) curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | \ sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt-get update # Install nvidia-docker2 and reload the Docker daemon configuration sudo apt-get install -y nvidia-docker2
NVIDIA 드라이버가 실행되고 있는지 확인합니다. 드라이버가 실행되고 있지 않은 경우, http://www.nvidia.com/Download/index.aspx?lang=ko-KR 에 로그인하여 최신 NVIDIA Tesla V/P/K 시리즈 드라이버를 다운로드합니다:
nvidia-smi
호스트 시스템에서 Driverless AI 버전에 대한 디렉터리를 설정합니다.
# Set up directory with the version name mkdir dai-1.10.1.2
디렉터리를 새 폴더로 변경한 다음, Driverless AI Docker 이미지를 새 디렉터리로 로드합니다.
# cd into the new directory cd dai-1.10.1.2 # Load the Driverless AI docker image docker load < dai-docker-centos7-x86_64-1.10.1.2.tar.gz
GPU의 지속성을 활성화합니다. 이는 재부팅할 때마다 한 번씩 실행해야 합니다. 자세한 내용은 다음 링크를 참조하십시오: http://docs.nvidia.com/deploy/driver-persistence/index.html.
sudo nvidia-smi -pm 1
호스트 시스템에 데이터, 로그, 라이선스 디렉터리를 설정합니다.
# Set up the data, log, license, and tmp directories on the host machine (within the new directory) mkdir data mkdir log mkdir license mkdir tmp
이 때 데이터를 호스트 시스템의 데이터 디렉터리로 복사할 수 있습니다. 해당 데이터는 Docker 컨테이너 내에 표시됩니다.
docker 이미지
를 실행하여 이미지 태그를 찾습니다.Driverless AI Docker 이미지를 시작하고 아래의 TAG를 이미지 태그로 교체합니다. 설치 버전에 따라
docker run --runtime=nvidia
(Docker 19.03 이후) 또는nvidia-docker
(Docker 19.03 이전) 명령을 사용하십시오. 버전 1.10부터 DAI docker 이미지는 docker의--init
를 사용하는 것과 동일한 내부tini
로 실행됩니다. 시작 명령에서 둘 다 활성화된 경우 tini는 (무해한) 경고 메시지를 출력합니다.
docker 실행 명령에서
--shm-size=256m
을 권장합니다. 하지만 사용자가 image auto model 을 광범위하게 구축할 계획인 경우 Driverless AI docker 명령에--shm-size=2g
를 권장합니다.Note:
docker version
을 사용하여 무슨 버전의 Docker를 사용하고 있는지 확인합니다.# Start the Driverless AI Docker image docker run --runtime=nvidia \ --pid=host \ --rm \ --shm-size=256m \ -u `id -u`:`id -g` \ -p 12345:12345 \ -v `pwd`/data:/data \ -v `pwd`/log:/log \ -v `pwd`/license:/license \ -v `pwd`/tmp:/tmp \ h2oai/dai-centos7-x86_64:|tag:# Start the Driverless AI Docker image nvidia-docker run \ --pid=host \ --rm \ --shm-size=256m \ -u `id -u`:`id -g` \ -p 12345:12345 \ -v `pwd`/data:/data \ -v `pwd`/log:/log \ -v `pwd`/license:/license \ -v `pwd`/tmp:/tmp \ h2oai/dai-centos7-x86_64:1.10.1-cuda11.2.2.xxDriverless AI가 실행됩니다:
-------------------------------- Welcome to H2O.ai's Driverless AI --------------------------------- - Put data in the volume mounted at /data - Logs are written to the volume mounted at /log/20180606-044258 - Connect to Driverless AI on port 12345 inside the container - Connect to Jupyter notebook on port 8888 inside the container
브라우저로 Driverless AI에 연결합니다.
http://Your-Driverless-AI-Host-Machine:12345
CPU가 있는 Ubuntu에 설치하기¶
Note: Ubuntu 16.04 이상에서는 Driverless AI가 지원됩니다.
이 섹션에서는 Ubuntu에 Driverless AI Docker 이미지를 설치하고 시작하는 방법에 대해 설명합니다. 여기서는 nvidia-docker
가 아니라 docker
를 사용합니다. GPU 지원은 사용할 수 없습니다.
Watch the installation video here. 이 비디오의 일부 이미지가 릴리스 사이에 변경될 수도 있지만, 설치 단계는 동일합니다.
터미널을 열고 Driverless AI를 실행할 시스템에 ssh를 적용합니다. 로그인한 다음, 다음 단계를 수행합니다.
Https://www.h2o.ai/download/ 에서 Driverless AI Docker 이미지를 검색합니다.
Ubuntu에 Docker를 설치하여(아직 설치되지 않은 경우) 실행합니다.
# Install and run Docker on Ubuntu curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add - sudo apt-key fingerprint 0EBFCD88 sudo add-apt-repository \ "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" sudo apt-get update sudo apt-get install docker-ce sudo systemctl start docker
호스트 시스템에서 Driverless AI 버전에 대한 디렉터리를 설정합니다.
# Set up directory with the version name mkdir dai-1.10.1.2
디렉터리를 새 폴더로 변경한 다음, Driverless AI Docker 이미지를 새 디렉터리로 로드합니다.
# cd into the new directory cd dai-1.10.1.2 # Load the Driverless AI docker image docker load < dai-docker-centos7-x86_64-1.10.1.2.tar.gz
호스트 시스템(새 디렉터리 내)에 데이터, 로그, 라이선스, tmp 디렉터리를 설정합니다.
# Set up the data, log, license, and tmp directories mkdir data mkdir log mkdir license mkdir tmp
이 때 데이터를 호스트 시스템의 데이터 디렉터리로 복사할 수 있습니다. 해당 데이터는 Docker 컨테이너 내에 표시됩니다.
docker image
를 실행하여 새 이미지 태그를 찾습니다.Driverless AI Docker 이미지를 시작합니다. GPU 지원은 사용할 수 없습니다. 버전 1.10부터 DAI docker 이미지는 docker의
--init
를 사용하는 것과 동일한 내부tini
로 실행됩니다. 시작 명령에서 둘 다 활성화된 경우 tini는 (무해한) 경고 메시지를 출력합니다.
docker 실행 명령에서
--shm-size=256m
을 권장합니다. 하지만 사용자가 image auto model 을 광범위하게 구축할 계획인 경우 Driverless AI docker 명령에--shm-size=2g
를 권장합니다.# Start the Driverless AI Docker image docker run \ --pid=host \ --rm \ --shm-size=256m \ -u `id -u`:`id -g` \ -p 12345:12345 \ -v `pwd`/data:/data \ -v `pwd`/log:/log \ -v `pwd`/license:/license \ -v `pwd`/tmp:/tmp \ -v /etc/passwd:/etc/passwd:ro \ -v /etc/group:/etc/group:ro \ h2oai/dai-centos7-x86_64:1.10.1-cuda11.2.2.xxDriverless AI가 실행됩니다:
-------------------------------- Welcome to H2O.ai's Driverless AI --------------------------------- - Put data in the volume mounted at /data - Logs are written to the volume mounted at /log/20180606-044258 - Connect to Driverless AI on port 12345 inside the container - Connect to Jupyter notebook on port 8888 inside the container
브라우저로 Driverless AI에 연결합니다.
http://Your-Driverless-AI-Host-Machine:12345
Docker Image 중지¶
Driverless AI Docker 이미지를 중지하려면, Driverless AI Docker 이미지를 실행하는 터미널(Mac OS X) 또는 PowerShell(Windows 10) 창에 Ctrl + C 를 입력합니다.
Docker Image 업그레이드¶
이 섹션에서는 Docker 컨테이너에 설치된 Driverless AI 버전의 업그레이드에 관한 지침을 제공합니다. 이 단계는 기존 실험이 저장되도록 합니다.
WARNING: Driverless AI tmp 디렉터리에는 Experiment, MLI, MOJO가 있으며, 이는 Driverless AI가 업그레이드될 때 자동으로 업그레이드되지 않습니다.
업그레이드하기 전에 MLI 모델을 빌드하십시오.
업그레이드하기 전에 MOJO 파이프라인을 빌드하십시오.
업그레이드하기 전에 Driverless AI를 중지하고 Driverless AI tmp 디렉터리를 백업하십시오.
Driverless AI의 업그레이드 전에 모델에 MLI를 빌드하지 않은 경우, 업그레이드 후 해당 모델에서 MLI를 확인할 수 없습니다. 업그레이드 전에 향후 릴리스에서 지속적으로 해석하고자 하는 모형에 MLI 작업을 실행하십시오. 해당 MLI 작업이 현재 버전의 해석 모형 목록에 나타나면, 이는 업그레이드 후에도 유지됩니다.
Driverless AI의 업그레이드 전에 모델에 MOJO 파이프라인을 빌드하지 않은 경우, 업그레이드 후에는 해당 모델에 MOJO 파이프라인을 빌드하지 못합니다. 업그레이드 전에 필요한 모든 모델에서 MOJO 파이프라인을 빌드한 후, Driverless AI tmp 디렉터리를 백업하십시오.
Note: Driverless AI가 계속 실행 중인 경우 중지하십시오.
요구 사항¶
Ampere를 포함한 모든 NVIDIA 아키텍처에서 원활한 경험을 위해 호스트 환경에 설치된 471.68 (GPU만 해당) 이상의 NVIDIA 드라이버를 사용할 것을 권장합니다. Driverless AI는 GPU용 CUDA 11.2.2와 함께 제공되지만 드라이버가 호스트 환경에 있어야 합니다.
최신 NVIDIA Tesla A/T/V/P/K 시리즈 드라이버를 다운로드하려면 NVIDIA download driver 로 이동하십시오. CUDA Toolkit 및 최소 필수 드라이버 버전, CUDA Toolkit 및 해당 드라이버 버전에 대한 참고자료는 here 를 참조하십시오.
업그레이드 단계¶
Driverless AI를 실행하는 시스템의 IP 주소에 SSH를 사용합니다.
호스트 시스템에서 Driverless AI 버전에 대한 디렉터리를 설정합니다.
# Set up directory with the version name mkdir dai-1.10.1.2 # cd into the new directory cd dai-1.10.1.2
Https://www.h2o.ai/download/ 에서 Driverless AI 패키지를 검색하여 이를 새 디렉터리에 추가합니다.
새 디렉터리 내에 Driverless AI Docker 이미지를 로드합니다.
# Load the Driverless AI docker image docker load < dai-docker-centos7-x86_64-1.10.1.2.tar.gz
이전 Driverless AI 디렉터리의 데이터, 로그, 라이선스, tmp 디렉터리를 새 Driverless AI 디렉터리로 복사합니다.
# Copy the data, log, license, and tmp directories on the host machine cp -a dai_rel_1.4.2/data dai-1.10.1.2/data cp -a dai_rel_1.4.2/log dai-1.10.1.2/log cp -a dai_rel_1.4.2/license dai-1.10.1.2/license cp -a dai_rel_1.4.2/tmp dai-1.10.1.2/tmp
이 때 이전 버전의 실험이 Docker 컨테이너 내에 표시됩니다.
docker image
를 사용하여 새 이미지 태그를 찾습니다.Driverless AI Docker 이미지를 시작합니다.
http://Your-Driverless-AI-Host-Machine:12345 에서 브라우저로 Driverless AI에 연결합니다.