MATLAB深度学习容器nvidia.GPU的云亚马逊Web服务
通过在Matlab中培训神经网络来加速您的深度学习申请®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(参见额外的信息)．
本指南可帮助您在Amazon EC2上运行云中的MATLAB桌面®GPU启用了实例。对于其他云服务供应商，所需步骤是不同的。Matlab Deep学习容器，托管在NVIDIA GPU云上的Docker容器，简化了该过程。容器可在此处提供nvidia.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产品安装在容器中。您可以在Matlab深度学习容器中获取产品的试用许可证s manbetx 845MATLAB云上的深度学习试验．
目前在软件维护服务（短信）。
与A相关联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。有关其他许可证类型，请联系您的许可证管理员。您可以通过查看您的用户来识别您的许可证类型和管理员MathWorks帐户．管理员可以咨询Matlab在云中许可．
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
码头工人运行启动容器时命令：-e mlm_license_file = 27000 @ myliceseserver
成本
您负责使用本指南创建群集时使用的Amazon Web服务的成本。资源设置，例如实例类型，影响部署的成本。对于成本估计，请参阅您使用的每个AWS服务的定价页面。价格随时可能更改。
准备您的AWS帐户
如果您没有Amazon Web Services帐户，请创建一个https://aws.amazon.com.通过遵循屏幕上的说明。使用Amazon EC2控制台创建密钥对。
笔记
请确保在创建密钥对时下载私钥，因为这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”、“添加存储”和“添加标记”页面上，根据需要配置实例。
如果有必要，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，选择适当的密钥对选项并启动实例。确保您可以访问您的私钥，以便您可以登录到您的实例。
拉容器
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。
控件中可以复制容器映像发布的pull命令nvidia.集装箱注册表．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Docker Pull.命令。该命令的形式如下:
Docker拉nvcr.io/partners/matlab:r20xyz.
r20xyz.例如，必须用特定的MATLAB发布名称替换为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Docker Pull.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。
跑Docker Pull.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
使用表单中的命令运行MATLAB深度学习容器:
Docker Run-it-itm -p 5901：5901 -p 6080：6080 - gpus全部 - shm-size = 512m nvcr.io/partners/matlab:r20xyz
确保最后一部分跑步命令匹配您想要使用的MATLAB版本。
选项- p hostport: containerport将容器内部的端口映射到Docker主机上的端口，以便连接到容器桌面。集装箱使用的端口为5901(用于VNC连接)和6080(用于网络浏览器连接)。如果在同一主机实例上部署多个容器，则必须增加主机端口，直到找到空闲端口为止。例如:
-p 5902:5901 -p 6081:6080
MATLAB深度学习容器现在正在您的EC2机器上运行。
跑步MATLAB在容器中
在容器中有三种访问MATLAB的方法:
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
请注意，您必须使用本地主机而不是主机实例的名称。
您将看到Novnc的登录屏幕。单击“连接”。当系统提示您输入要访问桌面的密码时，请使用密码：
matlab
您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,请访问授权中心．
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
请注意，您必须使用本地主机而不是主机实例的名称。
登录并连接到容器桌面，使用密码:
matlab
您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,请访问授权中心．
跑步MATLAB使用命令行接口
您还可以使用命令的命令行界面从终端运行MATLAB：
matlab
请注意，在这种情况下没有图形桌面。
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,请访问授权中心．
使用深度学习示例测试容器
MATLAB支万博1manbetx持使用多个GPU并行培训单个网络。为了在Matlab深度学习容器中启用多GPU培训，使用trainingOptions函数设置'executionenvironment'到“multi-gpu”．
训练你的网络使用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，请参见选择特定的GPU用于培训（深度学习工具箱）．
要测试您的容器，您可以运行为分类创建简单的深度学习网络（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启动文件夹中的当前文件夹窗格中。在所有可用的GPU上运行此示例，在trainingOptions功能，设置'executionenvironment'到“multi-gpu”．
关闭集装箱会话
要关闭容器会话，输入退出从集装箱码头。停止并移走容器。容器关闭时，默认不会保存进程或数据，除非您已经通过挂载云存储将数据保存到云中，具体请参见使用容器共享数据．
额外的信息
如何配置MATLAB深度学习集装箱吗?
您可以通过设置特定环境变量来配置和自定义Mathworks容器的行为。有关更多信息，请参阅配置容器．
什么是nvidia.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和几个其他工具箱，可用于深入学习应用。
计算机视觉工具箱™
GPU编码器™
图像处理工具箱™
Matlab Coder™
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™
要使用MATLAB深度学习容器中的gpu执行深度学习，您必须拥有MATLAB、深度学习工具箱和并行计算工具箱的有效许可证。要访问容器的全部功能，需要对容器中的其他产品有效的许可证。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深度学习容器中其他产品的有效许可证，MATLAB在启动时显示一条消息s manbetx 845，指示您不能使用这些产品。
您可以在Matlab深度学习容器中获取产品的试用许可证s manbetx 845Matlab审判在云上深入学习此外，该容器还包含几个预先训练的深度神经网络（深度学习工具箱）．
您可以将网络和网络架构导入来自Tensorflow™-Keras和Caffe的容器，有或没有层重量。您还可以将培训的网络转换为开放的神经网络交换（ONNX）模型格式。
MATLAB深度学习容器还包括:
通过将此软件部署在容器中，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以一次或在不同的位置培训多个网络，具有可重复的结果。
相关的话题
- 为分类创建简单的深度学习网络（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:
