GPU を使用するための ArcGIS Notebook Server の設定

グラフィカル プロセシング ユニット (GPU) を使用すると、機械学習モデルの処理時間をすばやく向上することができます。ArcGIS Notebook Server でいくつかの手順を追加で実行すると、ホスト コンピューターで NVIDIA GPU を活用できるようになります。

注意:

10.8 以降、組み込み ArcGIS Notebook Server ランタイムは、GPU サポートを有効化するための Conda CUDA Toolkit を含むようになりました。以前は、このワークフローは、CUDA を含むために、カスタム ランタイムを構築する必要がありました。

以下のワークフローには、主に 2 つの目的があります。1 つは、サイトの Docker コンポーネントが GPU 対応のコンテナーを構築できるようにする NVIDIA ドライバーおよびランタイムをインストールすることです。もう 1 つは、NVIDIA ランタイムを使用するように構成された Advanced ノートブック ランタイムのコピーを作成することです。このランタイム使用して開かれたすべての ArcGIS Notebooks は、GPU 対応のコンテナー内で起動されます。これに加えて、新しいランタイムは、Advanced ノートブック ランタイムの Python ライブラリをすべて維持します。

ArcGIS Notebook Server のインストールと構成を完了したら、次の手順を実行します。ArcGIS Notebook Server サイトに複数のコンピューターが含まれている場合、すべてのコンピューター上でステップ 1 ～ 3 を実行します。

1. 適切な NVIDIA ドライバーを、サイトの各コンピューターにインストールします。詳細については、NVIDIA Web サイトをご参照ください。
2. ノートブックのコンテナーが GPU を活用できるよう、コンピューター上に nvidia-docker 2.0 ランタイムをインストールします。OS 別のダウンロードとドキュメントについては、GitHub の NVIDIA-Docker リポジトリ をご参照ください。
3. 各コンピューター上で次のコマンドを実行し、NVIDIA の要素が適切にインストールされていることを確認します。

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

4. 管理者として ArcGIS Enterprise ポータルにサイン インし、ArcGIS Notebook Server Manager を開きます。
5. [設定] ページを開き、[ランタイム] をクリックします。
6. ArcGIS Notebook Python 3 Advanced というラベルの付いたランタイムの [編集] アイコンをクリックします。[画像 ID] に与えられた値をコピーします。[キャンセル] をクリックして、エディターを終了します。
7. [ランタイム] ページから、[ランタイムの登録] をクリックします。
8. [ランタイムの登録] ページで、適切な名前 (「GPU Runtime」など) を入力し、バージョンを 10.9.1 と指定します。[画像 ID] の値に、ステップ 5 でコピーした値を追加します。
9. [Docker ランタイム] の値を nvidia に設定します。[ランタイムの登録] をクリックして確認します。
10. ArcGIS Notebook Server で NVIDIA GPU を使用するよう正常に構成したことを確認します。[Advanced ノートブック] 権限を持つポータル メンバーとして、新しい空のノートブックを作成します。ノートブックのランタイムを指定するときに、新しい GPU 対応のランタイムを選択します。次の内容をノートブックのセルにコピーし、セルを実行します。

    import torch torch.cuda.is_available()

    torch.cuda パッケージを実行するには GPU が必要なので、出力は True として返されます。

11. 新しいセルで次のコマンドを実行し、コンピューターの GPU 構成を確認します。

    !nvidia-smi

GPU を使用するためにサイトの容量を削除する場合は、ArcGIS Notebook Server Manager で [ランタイム] ページを開き、このワークフローで作成したランタイムを削除します。