配置 ArcGIS Notebook Server 以使用 GPU

使用图形处理单元 (GPU) 能够迅速减少机器学习模型的处理时间。ArcGIS Notebook Server 在执行附加步骤后即可在主机上利用 NVIDIA GPU。

安装并配置 ArcGIS Notebook Server 后，请使用同一台计算机执行以下步骤。

1. 在计算机上安装相应的 NVIDIA 驱动程序。有关完整信息，请参阅 NVIDIA 网站。
2. 为计算机安装 nvidia-docker 2.0 运行时，以便 notebook 容器利用 GPU。有关特定操作系统的下载和文档，请参考 GitHub 上的 NVIDIA-Docker 资料档案库。
3. 运行以下命令以确保您的 NVIDIA 元素已正确安装：

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

4. 在 Dockerfile 中扩展高级 notebook 运行时以设置以下环境变量，针对 GPU 加速容器启用 NVIDIA Container Runtime。

   # 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"

   您也可以选择安装其他可利用 GPU 支持的 Python 模块。请按照扩展 notebook 运行时中的步骤来构建 Dockerfile。
5. 使用以下命令语法构建自定义容器映像：

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

   请确保命令以句点结尾。

6. 映像构建完成后，输出消息将传送新映像的简化 imageId。为新容器获取完整 imageId。

   docker inspect <imageId>

7. 登录到 ArcGIS Notebook Server Administrator Directory，路径为 https://notebookserver.domain.com:11443/arcgis/admin。导航到 Notebooks > 运行时，选择“高级”运行时，并单击编辑。
8. 更新高级运行时以使用新的自定义映像。将现有 imageId 值替换为从步骤 6 中得到的新映像值。
9. 将 dockerRuntime 值设置为 nvidia。保存编辑内容。
10. 验证是否已成功配置 ArcGIS Notebook Server 以使用 NVIDIA GPU。作为具有高级 Notebook 权限的门户成员，请打开一个新的 notebook。将以下内容复制到单元格中并运行单元格。

    import torch torch.cuda.is_available()

    由于 torch.cuda 包需要运行 GPU，因此输出应返回为 True。

11. 在新单元格中运行以下命令以查看计算机的 GPU 配置：

    !nvidia-smi

若想删除 ArcGIS Notebook Server 站点容量以使用 GPU，请在 Administrator Directory 中运行恢复出厂运行时操作。可以在以下 URL 进行该操作：https://notebookserver.domain.com:11443/arcgis/admin/notebooks/runtimes/restore。