Skip To Content

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 de Machine Learning. ArcGIS Notebook Server peut tirer parti des GPU NVIDIA sur la machine hôte si vous effectuez certaines étapes supplémentaires.

Remarque :

À partir de la version 10.8, les environnements d’exécution ArcGIS Notebook Server intégrés incluent Conda CUDA Toolkit pour la prise en charge des GPU. Précédemment, ce processus nécessitait la création d’un environnement d’exécution personnalisé pour inclure CUDA.

Le processus suivant a deux objectifs principaux. Le premier consiste à installer l’environnement d’exécution et les pilotes NVIDIA pour permettre au composant Docker du site de créer des conteneurs compatibles avec les GPU. Le second vise à créer une copie de l’environnement d’exécution de notebook, configurée pour utiliser l’environnement d’exécution NVIDIA. Tous les notebooks ouverts à l’aide de ce runtime sont lancés dans des conteneurs compatibles avec les GPU. En outre, le nouvel environnement d’exécution conserve toutes les bibliothèques Python de l’environnement d’exécution de notebook.

Une fois ArcGIS Notebook Server installé et configuré, effectuez les opérations ci-dessous. Si le site ArcGIS Notebook Server comporte plusieurs machines, suivez les étapes 1 à 3 sur toutes les machines.

  1. Installez les pilotes NVIDIA appropriés sur chaque machine du site. Pour des informations complètes, visitez le site Web NVIDIA.
  2. Installez l’environnement d’exécution nvidia-docker 2.0 sur la machine de sorte 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 sur chaque machine pour vous assurer que les éléments NVIDIA sont correctement installés :

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

  4. Connectez-vous à votre portail ArcGIS Enterprise en tant qu’administrateur et ouvrez ArcGIS Notebook Server Manager.
  5. Ouvrez la page Settings (Paramètres) et cliquez sur Runtimes.
  6. Cliquez sur le bouton Edit (Mettre à jour) pour ArcGIS Notebook Python 3 Advanced ou ArcGIS Python 3 Standard, selon le runtime que vous souhaitez utiliser comme base du runtime compatible avec les GPU. Copiez la valeur données pour Image ID (ID d’image). Cliquez sur Cancel (Annuler) pour quitter l’éditeur.
  7. Sur la page Runtimes, cliquez sur Register Runtime (Inscrire le runtime).
  8. Sur la page Register Runtime (Inscrire le runtime), indiquez un nom approprié (comme Runtime GPU) et la version 10.9.1. Pour Image ID (ID d’image), ajoutez la valeur que vous avez copiée à l’étape 5.
  9. Définissez la valeur de Docker Runtime (Runtime Docker) sur nvidia. Cliquez sur Register Runtime (Inscrire le runtime) pour confirmer.
  10. Vérifiez que vous avez bien configuré ArcGIS Notebook Server pour utiliser les GPU NVIDIA. En tant que membre du portail disposant du privilège Create and edit notebooks (Créer et mettre à jour des notebooks) ou Advanced notebooks (Notebooks avancés), si vous avez sélectionné le runtime avancé à l’étape 6, créez un notebook vide. Lorsque vous sélectionnez l’environnement d’exécution du notebook, indiquez le nouvel environnement d’exécution prenant en charge les GPU. Copiez les informations suivantes dans une cellule du notebook et exécutez-la.

    import torch
    torch.cuda.is_available()
    La sortie renvoie la valeur 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

Si vous ne souhaitez plus que le site puisse utiliser des GPU, accédez à la section Runtimes de la page Settings (Paramètres) dans ArcGIS Notebook Server Manager.