Configurer ArcGIS Notebook Server pour l’utilisation de GPU

L’utilisation d’unités de traitement graphiques (GPU) améliore rapidement le temps de traitement des modèles d’apprentissage machine. ArcGIS Notebook Server peut tirer parti des GPU NVIDIA sur sa machine hôte, à condition d’effectuer certaines étapes supplémentaires.

Une fois ArcGIS Notebook Server installé et configuré, procédez comme suit en utilisant la même machine.

1. Installez les pilotes NVIDIA requis sur la machine. Pour en savoir plus, reportez-vous au site web NVIDIA.
2. Installez le runtime nvidia-docker 2.0 sur la machine de façon à ce que les conteneurs du notebook puissent utiliser les GPU. Reportez-vous au référentiel NVIDIA-Docker sur GitHub pour découvrir les téléchargements et la documentation correspondant à votre système d’exploitation.
3. Exécutez la commande suivante pour vous assurer que vos éléments NVIDIA sont correctement installés :

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

4. Étendez le runtime du notebook avancé dans un Dockerfile pour définir les variables d’environnement en activant NVIDIA Container Runtime pour les conteneurs accélérés par le GPU.

   # 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"

   Vous pouvez également choisir d’installer d’autres modules Python pour bénéficier de la prise en charge du GPU. Suivez la procédure de la rubrique Étendre un runtime de notebook pour construire un Dockerfile.
5. Créez votre image de conteneur personnalisée à l’aide de la syntaxe de commande suivante :

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

   Assurez-vous d’ajouter le point à la fin de la commande.

6. Lorsque l’image est construite, un message en sortie fournit le paramètre imageId abrégé de la nouvelle image. Obtenez le paramètre imageId complet de votre nouveau conteneur.

   docker inspect <imageId>

7. Connectez-vous au répertoire administrateur de ArcGIS Notebook Server à l’adresse suivante : https://notebookserver.domain.com:11443/arcgis/admin. Accédez à notebooks > runtimes, sélectionnez le runtime avancé, puis cliquez sur edit (modifier).
8. Mettez à jour le runtime avancé pour qu’il utilise votre nouvelle image personnalisée. Remplacez le paramètre imageId existant par la valeur correspondant à votre image, que vous avez obtenue à l’étape 6.
9. Définissez le paramètre dockerRuntime sur la valeur nvidia. Enregistrez vos mises à jour.
10. Vérifiez que vous avez bien configuré ArcGIS Notebook Server pour utiliser les GPU NVIDIA. En tant que membre du portail disposant du privilège Notebooks avancés, ouvrez un nouveau notebook. Copiez les informations suivantes dans une cellule et exécutez-la.

    import torch torch.cuda.is_available()

    La sortie doit renvoyer la réponse True, car l’exécution du paquetage torch.cuda nécessite des GPU.

11. Exécutez la commande suivante dans une nouvelle cellule pour afficher la configuration du GPU de votre machine :

    !nvidia-smi

À tout moment, si vous ne voulez plus que votre site ArcGIS Notebook Server puisse utiliser des GPU, exécutez l’opération Restore Factory Runtimes (Restaurer les runtimes d’usine) dans le répertoire administrateur. Pour cela, rendez-vous à l’adresse suivante : https://notebookserver.domain.com:11443/arcgis/admin/notebooks/runtimes/restore.