close
 
2019
 
Fast.AI 在 QNAP NAS上使用問題解決方式

Fast.AI 是一個很棒的線上課程,完整教學深度學習所需要的工具
https://www.fast.ai/

儲存設備廠商 QNAP 從前年開始就有持續再將儲存設備持續轉型,率先支援了Nvidia GPU,以及Intel OpenVINO 因此有關Fast.AI 的開發環境,我們也在QNAP NAS上做個測試。在距離資料最近的地方做運算,省掉網路的工,以NAS 高IOPS的特性來強化一下。
 
使用環境:
NAS : TS-2888X
作業系統: QTS 4.4.0.0820
 
 
主要測試Docker hub 上 關於Fast Ai 的image :
 
Tag : 1.0-release

 

Fast.AI 網站 https://www.fast.ai/ online courses (all are free and have no ads):

 

 

 software: fastai v1 for PyTorch

 


以下以執行 example/dogs_cats.ipynb 做為測試

 

RuntimeError: DataLoader worker (pid 13) is killed by signal: Bus error.

參考解決方案 :

解決方案1(擴大shm-size)(僅限掛載一張卡,掛載多卡需另外處理)

  1. Command : GPU=nvidia0 gpu-docker run --name=Fastai --shm-size=16G -d -p 8888:8888 paperspace/fastai:1.0-release
    (shm-size依據您的主記憶體做調整,建議為總記憶體的一半)
  2. 開啟Container Station頁面,進入Fastai Container
  3. Command 畫面上有 token,複製 token 後點擊畫面上方URL連結,ex : http://192.168.1.1:8888
  4. 使用token登入Jupyter notebook後進行使用

 

 

解決方案2(降低同時處理數量)

 

 

  1. 使用Container Station建立 Fast.ai
  2. 修改Python code ,把 "num_workers=1" 加入到 DataLoader 參數內(可嘗試調整此值直到不會出現錯誤)

 

 

CUDA Out of Memory Error

 

 

參考解決方案 :

解決方案(減少batch size)

  1. 修改Python code ,把 "bs=16" 加入到 DataLoader 參數內(bs數字依據您的GPU Ram做調整,可嘗試調整此值直到不會出現錯誤)

 

 

缺少module

 

 

 

解決方案(使用指令安裝缺少的module)

  1. 進入Jupyter notebook頁面
  2. 開啟Terminal
  3. 輸入 pip install
    EX : pip install dataclasses
  4. 如果有該module 有需要其他的requires package,則繼續用pip install安裝
  5. 安裝完成後重新執行notebook cell

 

 

有任何問題歡迎留言一起討論

 

 

 

 

 

QNAP NAS 推薦文章:

 

 

 

 

 

arrow
arrow
    文章標籤
    QNAP NAS AI
    全站熱搜

    tttt 發表在 痞客邦 留言(0) 人氣()