# 从0制作自定义镜像用于创建训练作业（Tensorflow+GPU） 本章节介绍如何从0到1制作镜像，并使用该镜像在ModelArts平台上进行训练。镜像中使用的AI引擎是Tensorflow，训练使用的资源是GPU。 ![](https://support.huaweicloud.com/docker-modelarts/public_sys-resources/note_3.0-zh-cn.png) 本实践教程仅适用于新版训练作业。 #### 场景描述 本示例使用Linux x86_64架构的主机，操作系统ubuntu-18.04，通过编写Dockerfile文件制作自定义镜像。 目标：构建安装如下软件的容器镜像，并在ModelArts平台上使用GPU规格资源运行训练作业。 - ubuntu-18.04 - cuda-11.2 - python-3.7.13 - mlnx ofed-5.4 - tensorflow gpu-2.10.0 #### 操作流程 使用自定义镜像创建训练作业时，需要您熟悉docker软件的使用，并具备一定的开发经验。详细步骤如下所示： 1. [前提条件] 2. [Step1 创建OBS桶和文件夹] 3. [Step2 创建数据集并上传至OBS] 4. [Step3 准备训练脚本并上传至OBS] 5. [Step4 准备镜像主机] 6. [Step5 制作自定义镜像] 7. [Step6 上传镜像至SWR服务] 8. [Step7 在ModelArts上创建训练作业] #### 前提条件 已[注册华为云账号](https://support.huaweicloud.com/usermanual-account/account_id_001.html)，且在使用ModelArts前检查账号状态，账号不能处于欠费或冻结状态。 #### Step1 创建OBS桶和文件夹 在OBS服务中创建桶和文件夹，用于存放样例数据集以及训练代码。需要创建的文件夹列表如[表1]所示，示例中的桶名称"test-modelarts" 和文件夹名称均为举例，请替换为用户自定义的名称。 创建OBS桶和文件夹的操作指导请参见[创建桶](https://support.huaweicloud.com/usermanual-obs/zh-cn_topic_0045829088.html)和[新建文件夹](https://support.huaweicloud.com/usermanual-obs/obs_03_0316.html)。 请确保您使用的OBS与ModelArts在同一区域。 表1OBS桶文件夹列表 | 文件夹名称 | 用途 | |:---|:---| | "obs://test-modelarts/tensorflow/code/" | 用于存储训练脚本文件。 | | "obs://test-modelarts/tensorflow/data/" | 用于存储数据集文件。 | | "obs://test-modelarts/tensorflow/log/" | 用于存储训练日志文件。 | #### Step2 创建数据集并上传至OBS 使用网站，下载"mnist.npz"文件并上传至OBS桶的"obs://test-modelarts/tensorflow/data/"文件夹下。 #### Step3 准备训练脚本并上传至OBS 准备本案例所需的训练脚本mnist.py，并上传至OBS桶的"obs://test-modelarts/tensorflow/code/"文件夹下。 mnist.py文件内容如下： ``` import argparse import tensorflow as tf parser = argparse.ArgumentParser(description='TensorFlow quick start') parser.add_argument('--data_url', type=str, default="./Data", help='path where the dataset is saved') args = parser.parse_args() mnist = tf.keras.datasets.mnist (x_train, y_train), (x_test, y_test) = mnist.load_data(args.data_url) x_train, x_test = x_train / 255.0, x_test / 255.0 model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28)), tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dropout(0.2), tf.keras.layers.Dense(10) ]) loss_fn = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True) model.compile(optimizer='adam', loss=loss_fn, metrics=['accuracy']) model.fit(x_train, y_train, epochs=5) ``` #### Step4 准备镜像主机 准备一台Linux x86_64架构的主机，操作系统使用ubuntu-18.04。您可以准备相同规格的弹性云服务器ECS或者应用本地已有的主机进行自定义镜像的制作。 购买ECS服务器的具体操作请参考[购买并登录Linux弹性云服务器](https://support.huaweicloud.com/qs-ecs/ecs_01_0103.html)。"CPU架构"选择"x86计算"，"镜像"选择"公共镜像"，推荐使用Ubuntu18.04的镜像。 #### Step5 制作自定义镜像 目标：构建安装好如下软件的容器镜像，并使用ModelArts训练服务运行。 - ubuntu-18.04 - cuda-11.1 - python-3.7.13 - mlnx ofed-5.4 - mindspore gpu-1.8.1 此处介绍如何通过编写Dockerfile文件制作自定义镜像的操作步骤。 1. 安装Docker。 以Linux x86_64架构的操作系统为例，获取Docker安装包。您可以使用以下指令安装Docker。关于安装Docker的更多指导内容参见[Docker官方文档](https://docs.docker.com/engine/install/binaries/#install-static-binaries)。 ``` curl -fsSL get.docker.com -o get-docker.sh sh get-docker.sh ``` 如果**docker images**命令可以执行成功，表示Docker已安装，此步骤可跳过。 2. 确认Docker Engine版本。执行如下命令。 ``` docker version | grep -A 1 Engine ``` 命令回显如下。 ``` Engine: Version: 18.09.0 ``` ![](https://support.huaweicloud.com/docker-modelarts/public_sys-resources/note_3.0-zh-cn.png) 推荐使用大于等于该版本的Docker Engine来制作自定义镜像。 3. 准备名为context的文件夹。 ``` mkdir -p context ``` 4. 准备可用的pip源文件pip.conf。本示例使用华为开源镜像站提供的pip源，其pip.conf文件内容如下。 ``` [global] index-url = https://repo.huaweicloud.com/repository/pypi/simple trusted-host = repo.huaweicloud.com timeout = 120 ``` ![](https://support.huaweicloud.com/docker-modelarts/public_sys-resources/note_3.0-zh-cn.png) 在华为开源镜像站https://mirrors.huaweicloud.com/home中，搜索pypi，也可以查看pip.conf文件内容。 5. 下载tensorflow_gpu-2.10.0-cp37-cp37m-manylinux_2_17_x86_64.manylinux2014_x86_64.whl文件。 使用网站https://pypi.org/project/tensorflow-gpu/2.10.0/#files，下载tensorflow_gpu-2.10.0-cp37-cp37m-manylinux_2_17_x86_64.manylinux2014_x86_64.whl文件。 6. 下载Miniconda3安装文件。 使用地址https://repo.anaconda.com/miniconda/Miniconda3-py37_4.12.0-Linux-x86_64.sh，下载Miniconda3 py37 4.12.0安装文件（对应python 3.7.13）。 7. 编写容器镜像Dockerfile文件。 在context文件夹内新建名为Dockerfile的空文件，并将下述内容写入其中。 ``` # 容器镜像构建主机需要连通公网 # 基础容器镜像, https://github.com/NVIDIA/nvidia-docker/wiki/CUDA # # https://docs.docker.com/develop/develop-images/multistage-build/#use-multi-stage-builds # require Docker Engine >= 17.05 # # builder stage FROM nvidia/cuda:11.2.2-cudnn8-runtime-ubuntu18.04 AS builder # 基础容器镜像的默认用户已经是 root # USER root # 使用华为开源镜像站提供的 pypi 配置 RUN mkdir -p /root/.pip/ COPY pip.conf /root/.pip/pip.conf # 复制待安装文件到基础容器镜像中的 /tmp 目录 COPY Miniconda3-py37_4.12.0-Linux-x86_64.sh /tmp COPY tensorflow_gpu-2.10.0-cp37-cp37m-manylinux_2_17_x86_64.manylinux2014_x86_64.whl /tmp # https://conda.io/projects/conda/en/latest/user-guide/install/linux.html#installing-on-linux # 安装 Miniconda3 到基础容器镜像的 /home/ma-user/miniconda3 目录中 RUN bash /tmp/Miniconda3-py37_4.12.0-Linux-x86_64.sh -b -p /home/ma-user/miniconda3 # 使用 Miniconda3 默认 python 环境 (即 /home/ma-user/miniconda3/bin/pip) 安装 tensorflow whl RUN cd /tmp && \ /home/ma-user/miniconda3/bin/pip install --no-cache-dir \ /tmp/tensorflow_gpu-2.10.0-cp37-cp37m-manylinux_2_17_x86_64.manylinux2014_x86_64.whl RUN cd /tmp && \ /home/ma-user/miniconda3/bin/pip install --no-cache-dir keras==2.10.0 # 构建最终容器镜像 FROM nvidia/cuda:11.2.2-cudnn8-runtime-ubuntu18.04 COPY MLNX_OFED_LINUX-5.4-3.5.8.0-ubuntu18.04-x86_64.tgz /tmp # 安装 vim / curl / net-tools / mlnx ofed（依然使用华为开源镜像站） RUN cp -a /etc/apt/sources.list /etc/apt/sources.list.bak && \ sed -i "s@http://.*archive.ubuntu.com@http://repo.huaweicloud.com@g" /etc/apt/sources.list && \ sed -i "s@http://.*security.ubuntu.com@http://repo.huaweicloud.com@g" /etc/apt/sources.list && \ echo > /etc/apt/apt.conf.d/00skip-verify-peer.conf "Acquire { https::Verify-Peer false }" && \ apt-get update && \ apt-get install -y vim curl net-tools iputils-ping && \ # mlnx ofed apt-get install -y python libfuse2 dpatch libnl-3-dev autoconf libnl-route-3-dev pciutils libnuma1 libpci3 m4 libelf1 debhelper automake graphviz bison lsof kmod libusb-1.0-0 swig libmnl0 autotools-dev flex chrpath libltdl-dev && \ cd /tmp && \ tar -xvf MLNX_OFED_LINUX-5.4-3.5.8.0-ubuntu18.04-x86_64.tgz && \ MLNX_OFED_LINUX-5.4-3.5.8.0-ubuntu18.04-x86_64/mlnxofedinstall --user-space-only --basic --without-fw-update -q && \ cd - && \ rm -rf /tmp/* && \ apt-get clean && \ mv /etc/apt/sources.list.bak /etc/apt/sources.list && \ rm /etc/apt/apt.conf.d/00skip-verify-peer.conf # 增加 ma-user 用户 (uid = 1000, gid = 100) # 注意到基础容器镜像已存在 gid = 100 的组，因此 ma-user 用户可直接使用 RUN useradd -m -d /home/ma-user -s /bin/bash -g 100 -u 1000 ma-user # 从上述 builder stage 中复制 /home/ma-user/miniconda3 目录到当前容器镜像的同名目录 COPY --chown=ma-user:100 --from=builder /home/ma-user/miniconda3 /home/ma-user/miniconda3 # 设置容器镜像默认用户与工作目录 USER ma-user WORKDIR /home/ma-user # 设置容器镜像预置环境变量 # 请务必设置 PYTHONUNBUFFERED=1, 以免日志丢失 ENV PATH=/home/ma-user/miniconda3/bin:$PATH \ LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH \ PYTHONUNBUFFERED=1 ``` 关于Dockerfile文件编写的更多指导内容参见[Docker官方文档](https://docs.docker.com/develop/develop-images/dockerfile_best-practices/)。 8. 下载MLNX_OFED_LINUX-5.4-3.5.8.0-ubuntu18.04-x86_64.tgz。 进入[地址](https://network.nvidia.com/products/infiniband-drivers/linux/mlnx_ofed/)，单击"Download"，"Version"选择"5.4-3.5.8.0-LTS"，"OSDistributionVersion"选择"Ubuntu 18.04"，"Architecture"选择"x86_64"，下载MLNX_OFED_LINUX-5.4-3.5.8.0-ubuntu18.04-x86_64.tgz。 9. 将上述Dockerfile文件、 Miniconda3 安装文件等放置在context文件夹内，context文件夹内容如下。 ``` context ├── Dockerfile ├── MLNX_OFED_LINUX-5.4-3.5.8.0-ubuntu18.04-x86_64.tgz ├── Miniconda3-py37_4.12.0-Linux-x86_64.sh ├── pip.conf └── tensorflow_gpu-2.10.0-cp37-cp37m-manylinux_2_17_x86_64.manylinux2014_x86_64.whl ``` 10. 构建容器镜像。在Dockerfile文件所在的目录执行如下命令构建容器镜像tensorflow:2.10.0-ofed-cuda11.2。 ``` docker build . -t tensorflow:2.10.0-ofed-cuda11.2 ``` 构建过程结束时出现如下构建日志说明镜像构建成功。 ``` Successfully tagged tensorflow:2.10.0-ofed-cuda11.2 ``` #### Step6 上传镜像至SWR服务 1. 登录[容器镜像服务控制台](https://console.huaweicloud.com/swr/#/swr/dashboard)，选择区域。 2. 在控制台主页面单击"创建组织"，输入组织名称完成组织创建。您可以自定义组织名称，本示例使用"deep-learning"，实际操作时请重新命名一个组织名称。后续所有命令中使用到组织名称deep-learning时，均需要替换为此处实际创建的组织名称。 3. 创建完毕后，在控制台主页面单击"登录指令"，获取登录访问指令。以root用户登录ECS环境，输入登录指令，具体可参考[在ECS上构建自定义镜像并在Notebook中使用](https://support.huaweicloud.com/docker-modelarts/docker-modelarts_0011-0.html)。 4. 上传镜像至容器镜像服务镜像仓库。 1. 使用docker tag命令给上传镜像打标签。 ``` #region和domain信息请替换为实际值，组织名称deep-learning也请替换为自定义的值。 sudo docker tag tensorflow:2.10.0-ofed-cuda11.2 swr.{region-id}.{domain}/deep-learning/tensorflow:2.10.0-ofed-cuda11.2 #此处以华为云cn-north-4为例 sudo docker tag tensorflow:2.10.0-ofed-cuda11.2 swr.cn-north-4.myhuaweicloud.com/deep-learning/tensorflow:2.10.0-ofed-cuda11.2 ``` 2. 使用docker push命令上传镜像。 ``` #region和domain信息请替换为实际值，组织名称deep-learning也请替换为自定义的值。 sudo docker push swr.{region-id}.{domain}/deep-learning/tensorflow:2.10.0-ofed-cuda11.2 #此处以华为云cn-north-4为例 sudo docker push swr.cn-north-4.myhuaweicloud.com/deep-learning/tensorflow:2.10.0-ofed-cuda11.2 ``` 5. 完成镜像上传后，在"容器镜像服务控制台\>我的镜像"页面可查看已上传的自定义镜像。 "swr.cn-north-4.myhuaweicloud.com/deep-learning/tensorflow:2.10.0-ofed-cuda11.2"即为此自定义镜像的"SWR_URL"。 #### Step7 在ModelArts上创建训练作业 1. 登录[ModelArts管理控制台](https://console.huaweicloud.com/modelarts/)，检查当前账号是否已完成访问授权的配置。如未完成，请参考[快速配置ModelArts委托授权](https://support.huaweicloud.com/permission-modelarts/modelarts_24_0085.html)**。**针对之前使用访问密钥授权的用户，建议清空授权，然后使用委托进行授权。 2. 在左侧导航栏按需选择以下操作。 - 新版控制台：选择"模型开发与训练 \> 模型训练"，进入训练作业列表。 - 旧版控制台：选择"模型训练 \> 训练作业"，进入训练作业列表。 3. 在"创建训练作业"页面，填写相关参数信息，然后单击"下一步"。 - 创建方式：选择"自定义算法"。 - 镜像来源：选择"自定义"。 - 镜像地址：[Step5 制作自定义镜像]中创建的镜像。"swr.cn-north-4.myhuaweicloud.com/deep-learning/tensorflow:2.10.0-ofed-cuda11.2"。 - 代码目录：设置为OBS中存放启动脚本文件的目录，例如："obs://test-modelarts/tensorflow/code/"，训练代码会被自动下载至训练容器的"${MA_JOB_DIR}/code"目录中，"code"为OBS存放代码路径的最后一级目录，可以根据实际修改。 - 启动命令："python ${MA_JOB_DIR}/code/mnist.py" ，此处的"code"为用户自定义的OBS存放代码路径的最后一级目录，可以根据实际修改。 - 训练输入：单击"增加训练输入"，参数名称设置为"data_path"，选择OBS中存放"mnist.npz"的目录，例如"obs://test-modelarts/tensorflow/data/mnist.npz"，获取方式设置为"超参"。 - 资源池：选择公共资源池。 - 资源类型：选择GPU规格。 - 计算节点个数：1个。 - 永久保存日志：打开。 - 作业日志路径：设置为OBS中存放训练日志的路径。例如："obs://test-modelarts/mindspore-gpu/log/"。 4. 在"规格确认"页面，确认训练作业的参数信息，确认无误后单击"提交"。 5. 训练作业创建完成后，后台将自动完成容器镜像下载、代码目录下载、执行启动命令等动作。 训练作业一般需要运行一段时间，根据您的训练业务逻辑和选择的资源不同，训练时长将持续几十分钟到几小时不等。训练作业执行成功后，日志信息如下所示。 图1GPU规格运行日志信息 ![](https://support.huaweicloud.com/docker-modelarts/figure/zh-cn_image_0000002556091638.png "点击放大")