AIACC-Training支持基于主流人工智能（包括PyTorch、TensorFlow、MXNet、Caffe等）搭建的模型进行分布式训练。在接口层面上，目前AIACC-Training兼容了PyTorch DDP以及Horovod的API，对于原生使用上述分布式训练方法的训练代码，可以做到无感的性能加速。本文将为您介绍安装AIACC-Training 1.5.0的多种方式。
前提条件
已创建阿里云GPU实例，且GPU实例需满足以下要求：
- 操作系统为Alibaba Cloud Linux、CentOS 7.x或Ubuntu 16.04以上版本。
- 已安装NVIDIA Driver和CUDA 10.0或以上版本。
背景信息
本文以安装AIACC-Training 1.5.0版本为例，您可以根据自身业务场景，选择以下任一方式安装AIACC-Training。
安装方式 |
说明 |
如果已布置了深度学习的AI训练环境，则您可以通过自动或手动方式安装AIACC-Training。 |
|
如果需要使用Conda环境，则您可以通过一键创建包含AIACC-Training的Conda环境的方式安装AIACC-Training。 |
|
如果需要使用Docker环境，则您可以通过下载已配备了AIACC-Training的Docker镜像的方式安装AIACC-Training。 |
说明：在ECS管理控制台创建ECS时，如果控制台页面存在 AIACC训练加速选项，且您已选中 AIACC训练加速，则ECS创建完成后，会自动安装AIACC-Training 1.3.3版本。推荐您选用上述列表中的三种安装方式之一，安装AIACC-Training 1.5.0版本。
支持的框架列表
AIACC-Training提供对应不同深度学习框架版本的软件包，目前支持的框架版本如下：
CUDA版本 |
框架类型 |
框架版本 |
10.0 |
PyTorch |
1.2.0、1.3.0 |
TensorFlow |
1.14.0、1.15.0、2.0.0 |
|
MXNet |
1.4.1、1.5.0、1.7.0 |
|
10.1 |
PyTorch |
1.6.0、1.5.1、1.4.0 |
TensorFlow |
2.1.0、2.2.0、2.3.0 |
|
MXNet |
1.4.1、1.5.0、1.6.0、1.7.0、1.9.0 |
|
10.2 |
PyTorch |
1.5.1、1.6.0、1.8.0、1.8.2、1.9.0、1.10.0 |
MXNet |
1.9.0 |
|
11.0 |
PyTorch |
1.7.0、1.7.1 |
TensorFlow |
2.4.0 |
|
MXNet |
1.9.0 |
说明：
- 目前TensorFlow以及MXNet仅支持Python 3.6版本。
- PyTorch支持Python 3.6~Python 3.9版本，具体与PyTorch官网提供的版本支持一致。更多版本支持信息，请参见PyTorch官网。
- 如您使用的框架版本不在上表支持范围内，请提交工单获取支持。
方式一：在已有的AI软件环境中安装AIACC-Training
若您已布置了深度学习训练环境，可以通过自动或手动方式安装AIACC-Training。安装前您的环境需满足以下条件：
- 已安装Python 3以及对应的pip工具。
- 已安装深度学习框架PyTorch、TensorFlow或MXNet。
重要：重新安装了深度学习框架之后，也需要再次安装AIACC-Training。
- 自动安装AIACC-Training软件包（推荐）
AIACC-Training提供了对应框架版本的Python软件包，您可以执行如下命令，通过一键脚本自动安装。
wget https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/install_AIACC-Training.sh && bash install_AIACC-Training.sh
说明：脚本默认使用 python3作为Python的命令，如果您需要使用其他Python命令，可在脚本的最后添加。例如使用 python作为Python的命令，请执行命令 wget https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/install_AIACC-Training.sh && bash install_AIACC-Training.sh python进行一键安装。
- 手动安装AIACC-Training软件包
您可以执行如下命令，使用pip手动安装最新的AIACC-Training软件包。
- 如果您使用的是PyTorch，请使用以下命令安装AIACC-Training。
pip install --force-reinstall https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/cuda${cuda_version}/perseus_torch-1.5.0%2B${framework_version}-cp${python_version}-cp${python_version}m-linux_x86_64.whl --trusted-host mirrors.aliyun.com -i http://mirrors.aliyun.com/pypi/simple/
部分参数说明如下：
- ${cuda_version}为cuda的版本，需要去除版本号中的半角句号（.），例如cuda 11.0对应cuda_version=110。
- ${framework_version}为框架版本号，例如PyTorch 1.7.1对应framework_version=1.7.1。
- ${python_version}为python的版本号，需要去除版本号中的半角句号（.），例如python 3.6对应python_version=36。
对于Python 3.8或以上版本的whl包，请使用如下的下载地址模板：
https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/cuda${cuda_version}/perseus_${framework}-1.5.0%2B${framework_version}-cp${python_version}-cp${python_version}-linux_x86_64.whl
以PyTorch 1.7.1、CUDA 11.0、Python 3.6版本为例，一键安装命令如下：
cuda_version=110 #注意：此处不带“.”号 framework=torch framework_version=1.7.1 python_version=36 pip install --force-reinstall https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/cuda${cuda_version}/perseus_${framework}-1.5.0%2B${framework_version}-cp${python_version}-cp${python_version}m-linux_x86_64.whl --trusted-host mirrors.aliyun.com -i http://mirrors.aliyun.com/pypi/simple/
如果您使用TensorFlow或MXNet，请使用以下命令安装AIACC-Training。
pip install --force-reinstall https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/cuda${cuda_version}/perseus_${framework}-1.5.0%2B${framework_version}-py2.py3-none-manylinux1_x86_64.whl --trusted-host mirrors.aliyun.com -i http://mirrors.aliyun.com/pypi/simple/
以TensorFlow 1.15.0、CUDA 10.0、Python 3.6版本为例，一键安装命令如下：
cuda_version=100 #注意：此处不带“.”号 framework=tensorflow framework_version=1.15.0 pip install --force-reinstall https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/cuda${cuda_version}/perseus_${framework}-1.5.0%2B${framework_version}-py2.py3-none-manylinux1_x86_64.whl --trusted-host mirrors.aliyun.com -i http://mirrors.aliyun.com/pypi/simple/
方式二：安装包含了AIACC-Training的Conda环境
Conda是一款开源跨平台的软件包及环境管理系统。您可以一键创建包含AIACC-Training的Conda环境，该环境已安装CUDA Toolkit、Python 3、深度学习框架以及最新的AIACC-Training软件等，方便您快速搭建和管理不同的深度学习框架和版本，并通过AIACC-Training显著提升训练性能。
- 前往Conda官网，下载并安装最新版本的Miniconda。
- 根据需要的框架版本和环境信息，执行如下命令，一键创建相应的Conda环境。
conda env create -f https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/conda/latest/${framework}_${framework_version}_cu${cuda_version}_py${python_version}.yaml
以PyTorch 1.7.1、CUDA11.0、Python 3.6为例，一键创建Conda环境的命令如下：
cuda_version=11.0 framework=torch framework_version=1.7.1 python_version=36 conda env create -f https://ali-perseus-release.oss-cn-huhehaote.aliyuncs.com/conda/latest/${framework}_${framework_version}_cu${cuda_version}_py${python_version}.yaml
部分参数说明如下：
- ${cuda_version}：需为带半角句号（.）的CUDA版本号，此版本必须小于或等于ECS已安装的CUDA版本。
- ${framework}：为深度学习框架类型，tensorflow/mxnet/torch分别对应TensorFlow/MXNet/PyTorch框架。
说明：若提示找不到该Conda环境的URL，则表示暂不支持该框架版本。更多信息，请参见 支持的框架列表。
方式三：安装配有AIACC-Training的Docker镜像
您可以下载已安装了AIACC-Training的Docker镜像，该镜像内已安装CUDA、Python 3、深度学习框架和最新的AIACC-Training软件等，能够帮助您快速部署深度学习环境，管理不同的CUDA环境，并通过AIACC-Training显著提升训练性能。
安装前您的环境需满足以下条件：
- 已安装Docker。如果您使用的操作系统为Alibaba Cloud Linux 2，可以参考部署并使用Docker（Alibaba Cloud Linux 2）进行安装。
- 已安装NVIDIA Container Toolkit。具体操作，请参见NVIDIA Container Toolkit。
根据需要的框架版本和环境信息，执行如下命令，下载对应的Docker镜像。
docker pull registry.cn-beijing.aliyuncs.com/cto_office/perseus-training:${os_type}-cu${cuda_version}-${framework}${framework_version}-py${python_version}-latest
部分参数说明如下：
简称 |
说明 |
示例值 |
os_type |
Docker镜像的系统类型。 说明 Docker内的系统类型与ECS实例的系统类型无关。 |
centos7 |
cuda_version |
CUDA的版本号。 说明 版本号需带半角句号（.），此版本可小于或等于ECS已安装的CUDA版本。 |
11.0 |
framework |
深度学习框架类型的缩写。tf/mx/pt分别对应TensorFlow/MXNet/PyTorch框架。 |
tf |
framework_version |
深度学习框架对应的版本号，格式为xx.xx.xx。 |
2.4.0 |
python_version |
Python版本号。 说明 版本号不带半角句号（.），例如36/37/38对应Python 3.6/3.7/3.8版本。 |
36 |
以CentOS 7、CUDA 11.0、TensorFlow 2.4.0的镜像为例，一键安装命令如下：
os_type=centos7 cuda_version=11.0 framework=tf framework_version=2.4.0 python_version=36 docker pull registry.cn-beijing.aliyuncs.com/cto_office/perseus-training:${os_type}-cu${cuda_version}-${framework}${framework_version}-py${python_version}-latest
关于如何使用Docker进行分布式训练，具体操作，请参见 Horovod in Docker。
说明：
- 若提示找不到该Docker镜像，则表示暂不支持该框架版本。更多信息，请参见支持的框架列表。
- 若使用容器进行分布式训练，执行docker run命令启动需要增大shm的分配，参数为--shm-size=1g --ulimit memlock=-1。
好啦！小弹的分享到此为止。我们更欢迎您分享您对阿里云产品的设想、对功能的建议或者各种吐槽，请扫描提交问卷并获得社区积分或精美礼品一份。https://survey.aliyun.com/apps/zhiliao/P4y44bm_8
【扫码填写上方调研问卷】
欢迎每位来到弹性计算的开发者们来反馈问题哦~
