Konfigurieren von ArcGIS Notebook Server zur Verwendung von GPUs

Der Einsatz von GPUs (Graphical Processing Units) verbessert die Verarbeitungszeit bei Modellen, die maschinelles Lernen umfassen. ArcGIS Notebook Server kann NVIDIA-GPUs auf den Hostcomputern nutzen, nachdem einige zusätzliche Schritte ausgeführt wurden.

Führen Sie diese Schritte nach der Installation und Konfiguration von ArcGIS Notebook Server auf demselben Computer durch.

1. Installieren Sie die benötigten NVIDIA-Treiber auf dem Computer. Auf der NVIDIA-Website finden Sie ausführliche Informationen.
2. Installieren Sie die nvidia-docker 2.0-Runtime auf dem Computer, damit Notebook-Container die Vorteile von GPUs nutzen können. Im NVIDIA-Docker-Repository auf GitHub finden Sie Downloads und die Dokumentation für Ihr Betriebssystem.
3. Führen Sie den folgenden Befehl aus, um sicherzustellen, dass die NVIDIA-Komponenten ordnungsgemäß installiert sind:

   docker run --runtime=nvidia --rm nvidia/cuda:9.0-base nvidia-smi

4. Erweitern Sie die erweiterte Notebook-Runtime in einer Dockerfile, um die folgenden Umgebungsvariablen festzulegen. Hierdurch wird NVIDIA Container Runtime für durch die GPU beschleunigte Container aktiviert.

   # Specify the existing notebook runtime imageId as FROM FROM aa7a1a346e5b
   # Use RUN to issue a command to install
   # Declare environment variables with ENV
   #RUN conda install <your_preferred_gpu_package>
   ENV NVIDIA_VISIBLE_DEVICES all ENV NVIDIA_DRIVER_CAPABILITIES compute,utility
   ENV NVIDIA_REQUIRE_CUDA "cuda>=9.2"

   Sie können zudem andere Python-Module installieren, welche die GPU-Unterstützung nutzen können. Führen Sie zum Erstellen eines Dockerfile die Schritte unter Erweitern einer Notebook-Runtime aus.
5. Mit folgender Befehlssyntax erstellen Sie ein benutzerdefiniertes Container-Image:

   docker build -t myGpuRuntime:v1.0 -f <path_to_Dockerfile> .

   Beenden Sie den Befehl mit einem Punkt.

6. Wenn die Image-Erstellung abgeschlossen ist, liefert eine Ausgabemeldung die gekürzte imageId des neuen Image. Rufen Sie die vollständige imageId des neuen Containers ab.

   docker inspect <imageId>

7. Melden Sie sich beim ArcGIS Notebook Server-Administratorverzeichnis unter https://notebookserver.domain.com:11443/arcgis/admin an. Navigieren Sie zu Notebooks > Runtimes, wählen Sie die erweiterte Runtime aus, und klicken Sie dann auf Edit.
8. Aktualisieren Sie die erweiterte Runtime so, dass Ihr neues benutzerdefiniertes Image verwendet wird. Ersetzen Sie den imageId-Wert durch den Wert für Ihr Image, den Sie in Schritt 6 abgerufen haben.
9. Legen Sie den dockerRuntime-Wert auf nvidia fest. Speichern Sie Ihre Änderungen.
10. Vergewissern Sie sich, dass Sie ArcGIS Notebook Server erfolgreich für die Verwendung von NVIDIA-GPUs konfiguriert haben. Öffnen Sie als Portalmitglied mit der Berechtigung Erweiterte Notebooks ein neues Notebook. Kopieren Sie Folgendes in eine Zelle, und führen Sie die Zelle aus.

    import torch torch.cuda.is_available()

    Die Ausgabe sollte True zurückgeben, weil das torch.cuda-Paket GPUs zum Ausführen benötigt.

11. Führen Sie den folgenden Befehl in einer neuen Zelle aus, um die GPU-Konfiguration Ihres Computers anzuzeigen:

    !nvidia-smi

Wenn Sie die Verwendung von GPUs für Ihre ArcGIS Notebook Server-Site zu einem späteren Zeitpunkt wieder aufheben möchten, führen Sie die Operation "Restore Factory Runtimes" im Administratorverzeichnis aus. Diese steht unter der URL https://notebookserver.domain.com:11443/arcgis/admin/notebooks/runtimes/restore zur Verfügung.