• start aws p2.xlarge instance
  • run jupyter notebook
  • kaggle cmd
  • upload ipynb
  • aws 关闭与重启
  • 7.3 更新

基本参考就可以了.

价格还有有点小贵 光是 gpu 3rmb/hour..先试一个月，豁出去了

start aws p2.xlarge instance

社区 AMI 搜 fastai 配一个.

访问:

ssh -i ~/.ssh/x260-2018-0517.pem ubuntu@34.201.8.230 -L8888:localhost:8888

run jupyter notebook

jupyter notebook --generate-config

vim ~/.jupyter/jupyter_notebook_config.py

addc.NotebookApp.ip = '*'

jupter note-book &

然后在 note-book 运行的 url 改个 aws ip 即可.

kaggle cmd

不得不说用 aws 下载 kaggle data 那叫一个快.

pip install kaggle

kaggle.json,到自己的 kaggle 账户里下到本地,传到 aws

scp kaggle.json ubuntu@34.234.100.228:/home/ubuntu/.kaggle

download data:

mkdir -p /home/ubuntu/fastai/courses/dl1/data/dogbreeds

kaggle competitions download -c dog-breed-identification -p /home/ubuntu/fastai/courses/dl1/data/dogbreeds

kaggle submit result.csv:

kaggle competitions submit -c dog-breed-identification -f -m “1st fast ai result”

upload ipynb

原始版本是自己电脑上先写(gai)的,推到 aws 环境里:

scp xx.ipynb  ubuntu@xxxxx:/home/ubuntu/fastai/courses/dl1/

image classifier dog and breeds

aws 关闭与重启

在线收费很贵的..竞价请求关闭前，可以存个快照，再取消该竞价请求.

要再用的时候,快照创建镜像，重新竞价请求即可.

7.3 更新

6 月份被扣了个 7 刀，下面这俩是罪魁，自己把 disk 设置 80G,免费的只有 30GB…每天都要收钱的..

0.1 GB-M 的卷
0.05 GB-M 的快照

重新搞了个 spot instance 这次用 40GB 的,基于社区的 fast-ai

镜像的类型选择为 hvm，不要选择 pv.,否则下次竞价选择 p2.xlarge 会报错

• git clone fastai

• update pytorch

J 神建议还是用 0.3 ,新的 0.4 可能还不能完全支持

fastai是 conda env 的名字

conda install -y --name fastai$PYTHON_VERSION -c soumith pytorch=0.3.0

• cuda not ok

apt-get install cuda-drivers

重启下 sudo reboot -f