MATLAB深度学习容器英伟达GPU的云亚马逊网页服务
通过在MATLAB中训练神经网络，加快深度学习应用程序®深度学习容器，设计充分利用高性能NVIDIA®gpu。您可以使用web浏览器或VNC连接远程访问MATLAB深度学习容器。
MATLAB深度学习容器包含MATLAB和一系列MATLAB工具箱，对深度学习是理想的(参见附加信息）.
本指南帮助您在Amazon EC2的云中运行MATLAB桌面®启用GPU实例。对于其他云服务供应商，所需的步骤是不同的。MATLAB深度学习容器，一个托管在NVIDIA GPU云上的Docker容器，简化了这个过程。这个集装箱在英伟达GPU云容器注册。
需求
要使用MATLAB深度学习容器，您需要:
亚马逊®Web服务帐户。
MATLAB许可证，满足以下条件:
对所有MathWorks有效®s manbetx 845产品安装在集装箱内。您可以通过以下链接获得MATLAB深度学习容器中的产品的试用许可证s manbetx 845MATLAB在云中深入学习的审判。
当前软件维护服务(短信)。
连接到一个MathWorks帐户。
配置为云使用。已经配置了个人和校园范围的许可证。其他license类型请联系license管理员。您可以通过查看您的license文件来识别您的license类型和管理员MathWorks帐户。管理员可以咨询云中的MATLAB授权。
如果您拥有并发许可证类型，则在运行容器时必须提供网络许可证管理器的端口号和DNS地址。将下列表单的一个选项添加到
Docker运行命令，当您启动容器时:- e MLM_LICENSE_FILE = 27000 @mylicenseserver
成本
在使用本指南创建集群时，您需要对所使用的Amazon Web服务的成本负责。资源设置(例如实例类型)会影响部署成本。有关成本估计，请参阅您正在使用的每个AWS服务的定价页面。价格可能会变动。
准备你的AWS帐户
如果您没有Amazon Web Services帐户，请创建一个https://aws.amazon.com按照屏幕上的说明操作。使用Amazon EC2控制台创建密钥对。
请注意
确保在创建配对时下载私钥，因为它是作为管理员连接到实例的唯一方法。
启动Docker主机实例
登录到您的Amazon Web服务控制台。从Services菜单中选择EC2。单击Launch Instance按钮。
在“选择AMI”页面，导航到AWS Marketplace并搜索NVIDIA深度学习AMI。这个Amazon Machine Image (AMI)是为NVIDIA GPU Cloud设计的，以利用P3实例中可用的Volta GPU。
注意，并非所有可用分区都提供P3实例。可用分区是在创建VPC时定义的。
在“配置实例”上，“添加存储”和“添加标记”页面，根据需要配置实例。
如有必要，请在“配置安全组”页面上为实例选择或创建适当的安全组。
正确配置后，选择相应的密钥对选项并启动实例。确保您可以访问私钥，以便您可以登录您的实例。
把容器
拖拽容器会将容器映像下载到Docker主机实例上，也就是容器将要运行的机器。每个EC2实例只需要提取一次容器。
您可以从中复制容器图像释放的Pull命令英伟达容器注册表。在Tags部分中，找到您想要运行的容器映像版本。在“拉”列中，单击图标以复制码头工人拉命令。该命令的形式如下:
码头工人拉nvcr.io /合作伙伴/ matlab: r20XYz
r20XYz必须用特定的MATLAB版本名称替换，例如r2020a。确保最后一部分拉命令匹配您想要使用的MATLAB版本。
使用PuTTY或其他SSH客户端，使用私钥从客户端计算机通过SSH连接到实例。默认用户名为:
ubuntu@ec2-public-ipv4-address.region.amazonaws.com
粘贴码头工人拉命令导入SSH客户机，并在EC2实例上运行该命令。您不需要登录到NVIDIA容器注册表来拉出容器映像。
运行码头工人拉命令将MATLAB容器映像下载到主机EC2机器上。下载和提取大型容器映像可能需要一些时间。
运行的容器
使用表单的命令运行Matlab Deep学习容器：
docker运行-it——rm -p 5901:5901 -p 6080:6080——gpu all——shm-size=512M nvcr.io/partners/matlab:r20XYz
确保最后一部分运行命令匹配您想要使用的MATLAB版本。
的选项-p hostport：containerport将容器内部的映射端口到Docker主机上的端口，以便您可以连接到容器桌面。容器中使用的端口是5901（对于VNC连接）和6080（对于Web浏览器连接）。如果您在同一主机实例上部署多个容器，则必须递增主机端口，直到找到一个免费端口。例如：
-p 5902:5901 -p 6081:6080
MATLAB深度学习容器现已在EC2机器上运行。
运行MATLAB在容器中
在容器中访问MATLAB有三种方法：
使用web浏览器连接到容器桌面，运行MATLAB桌面
使用VNC连接到容器桌面，运行MATLAB桌面
使用命令行界面运行MATLAB
使用Web浏览器进行连接
要使用web浏览器连接，请使用URL:
http：// localhost：6080
注意必须使用localhost.而不是主机实例的名称。
您将看到noVNC的登录屏幕。单击连接。当系统提示您输入密码时，请使用密码:
马铃薯
你可以使用桌面图标运行MATLAB。使用您的MathWorks帐户登录。
如果不能使用MathWorks帐户登录，请检查帐户是否连接到配置为云使用的许可证。检查,请访问许可证中心。
使用VNC连接
要通过VNC连接，使用您的VNC客户端连接到客户端适当的显示端口，例如:
localhost: 1
注意必须使用localhost.而不是主机实例的名称。
登录并连接到容器桌面，使用密码:
马铃薯
你可以使用桌面图标运行MATLAB。使用您的MathWorks帐户登录。
如果不能使用MathWorks帐户登录，请检查帐户是否连接到配置为云使用的许可证。检查,请访问许可证中心。
运行MATLAB使用命令行界面
你也可以使用命令行界面从终端运行MATLAB:
马铃薯
注意，在本例中没有图形桌面。
如果不能使用MathWorks帐户登录，请检查帐户是否连接到配置为云使用的许可证。检查,请访问许可证中心。
使用深度学习示例的测试容器
MATLAB支万博1manbetx持使用多个gpu并行训练单个网络。要在MATLAB深度学习容器中启用多gpu训练，请使用培训选项函数设置“ExecutionEnvironment”来“multi-gpu”。
使用培训您的网络trainNetwork函数。MATLAB在所有可用的gpu上打开一个并行工作池。要只选择特定的图形处理器用于培训，您可以使用gpuDevice。有关更多信息，请参见选择用于培训的特定图形处理器(深度学习工具箱)。
要测试容器，可以运行创建简单的深度学习网络分类(深度学习工具箱)的例子。要尝试此示例，请双击该文件MNISTExample.mlx在MATLAB启动文件夹的当前文件夹窗格中。要在所有可用的gpu上运行此示例，请在培训选项函数,设置“ExecutionEnvironment”来“multi-gpu”。
关闭容器会话
关闭容器会话，键入退出从集装箱码头。容器停止并移除。默认情况下，如果容器关闭，则不会保存流程或数据，除非您通过安装云存储，否则您已保存云中的数据，如图所示与容器共享数据。
附加信息
如何配置MATLAB深度学习集装箱吗?
您可以通过设置特定的环境变量来配置和自定义MathWorks容器的行为。有关更多信息，请参见配置容器。
是什么英伟达GPU云?
NVIDIA GPU Cloud是一个Docker容器库，设计用于在高性能NVIDIA GPU上运行应用程序。
里面有什么MATLAB深度学习集装箱吗?
MATLAB深度学习容器包含MATLAB和其他几个工具箱，在深度学习应用程序中是有用的。
计算机视觉工具箱™
GPU编码器™
图像处理工具箱™
MATLAB编码器™
深度学习工具箱™
并行计算工具箱™
信号处理工具箱™
统计和机器学习工具箱™
文本分析工具箱™
为了在MATLAB深度学习容器中使用GPU进行深度学习，您必须为MATLAB，深度学习工具箱和并行计算工具箱有许可。需要对容器中的其他产品有效的许可证来访问容器的完整功能。s manbetx 845
如果您没有深度学习工具箱或并行计算工具箱的有效许可证，MATLAB会在启动时显示一个警告，指示您不能使用这些产品。s manbetx 845
如果您没有Matlab Deep学习容器中其他产品的许可证，Matlab在启动时显示一条消s manbetx 845息，指示您无法使用这些产品。
您可以通过以下链接获得MATLAB深度学习容器中的产品的试用许可证s manbetx 845云上深度学习的MATLAB试验此外，该容器还包含几个普里德深度神经网络(深度学习工具箱)。
您可以从TensorFlow™-Keras和Caffe将网络和网络架构导入到容器中，无论是否使用层权重。您还可以将训练有素的网络转换为开放神经网络交换(ONNX)模型格式。
MATLAB深度学习容器还包含：
通过在容器中部署该软件，您可以避免安装和配置这些产品所需的设置时间。s manbetx 845您可以运行多个容器，一次或在不同的地点培训多个网络，并取得可重复的结果。
相关话题
- 创建简单的深度学习网络分类(深度学习工具箱)
- 使用GoogLeNet分类图像(深度学习工具箱)
- 开始迁移学习(深度学习工具箱)
你也可以从以下列表中选择一个网站:
