GPU-kompatibilis IoT-modul üzembe helyezése Azure Stack Edge Pro GPU-eszközön

A következőkre vonatkozik: Azure Stack Edge Pro – GPUAzure Stack Edge Pro 2Azure Stack Edge Pro R

Feljegyzés

Határozottan javasoljuk, hogy telepítse a legújabb IoT Edge-verziót Egy Linux rendszerű virtuális gépen. Az Azure Stack Edge felügyelt IoT Edge-verziója az IoT Edge-futtatókörnyezet egy régebbi verzióját használja, amely nem rendelkezik a legújabb funkciókkal és javításokkal. Útmutatásért tekintse meg az Ubuntu virtuális gépek üzembe helyezésének módját. Az IoT Edge futtatására alkalmas egyéb támogatott Linux-disztribúciókról további információt az Azure IoT Edge által támogatott rendszerek – Tárolómotorok című témakörben talál.

Ez a cikk azt ismerteti, hogyan helyezhet üzembe GPU-kompatibilis IoT Edge-modult az Azure Stack Edge Pro GPU-eszközön.

Ebben a cikkben az alábbiakkal ismerkedhet meg:

• Az Azure Stack Edge Pro előkészítése GPU-modul futtatására.
• Mintakód letöltése és telepítése Egy Git-adattárból.
• Hozza létre a megoldást, és hozzon létre egy üzembehelyezési jegyzékfájlt.
• Telepítse a megoldást az Azure Stack Edge Pro-eszközön.
• A modul kimenetének figyelése.

Tudnivalók a mintamodulról

A cikkben szereplő GPU-mintamodul tartalmazza a PyTorch és a TensorFlow teljesítménymérési mintakódját a GPU-val szemben.

Előfeltételek

Mielőtt hozzákezd, győződjön meg arról, hogy rendelkezik az alábbiakkal:

• Hozzáféréssel rendelkezik egy GPU-kompatibilis egycsomópontos Azure Stack Edge Pro-eszközhöz. Ezt az eszközt egy Azure-beli erőforrás aktiválta. Lásd : Az eszköz aktiválása.
• Ezen az eszközön konfigurálta a számítást. Kövesse az oktatóanyag lépéseit : Számítás konfigurálása az Azure Stack Edge Pro-eszközön.
• Egy Azure Container Registry (ACR). Lépjen az Access-kulcsok panelre, és jegyezze fel az ACR bejelentkezési kiszolgálóját, a felhasználónevet és a jelszót. További információ: Rövid útmutató: Privát tárolóregisztrációs adatbázis létrehozása az Azure Portal használatával.
• Windows-ügyfélen a következő fejlesztési erőforrások:
  • Azure CLI 2.0 vagy újabb
  • Docker CE. Előfordulhat, hogy létre kell hoznia egy fiókot a szoftver letöltéséhez és telepítéséhez.
  • Visual Studio Code
  • Azure IoT Edge-bővítmény a Visual Studio Code-hoz.
  • Python-bővítmény a Visual Studio Code-hoz
  • Python 3
  • Python-csomagok telepítéséhez szükséges pip (általában a Python-telepítés része)

A mintakód letöltése

1. Nyissa meg az Azure Intelligent Edge-mintákat az Azure-mintákban. Klónozza vagy töltse le a kód zip-fájlját.

   

   Bontsa ki a fájlokat a zip-ből. A mintákat klónozhatja is.

   git clone https://github.com/Azure-Samples/azure-intelligent-edge-patterns.git
   

Modul létrehozása és üzembe helyezése

1. Nyissa meg a GpuReferenceModules mappát a Visual Studio Code-ban.

   

2. Nyissa meg a deployment.template.json , és azonosítsa a tárolóregisztrációs adatbázisra hivatkozó paramétereket. A következő fájlban CONTAINER_REGISTRY_USERNAME, CONTAINER_REGISTRY_PASSWORD és CONTAINER_REGISTRY_NAME használunk.

       {
     "$schema-template": "2.0.0",
     "modulesContent": {
       "$edgeAgent": {
         "properties.desired": {
           "schemaVersion": "1.0",
           "runtime": {
             "type": "docker",
             "settings": {
               "minDockerVersion": "v1.25",
               "loggingOptions": "",
               "registryCredentials": {
                 "${CONTAINER_REGISTRY_NAME}":{
                 "username": "$CONTAINER_REGISTRY_USERNAME",
                 "password": "$CONTAINER_REGISTRY_PASSWORD",
                 "address": "${CONTAINER_REGISTRY_NAME}.azurecr.io"
                 }
               }
             }
           },
   

3. Hozzon létre egy új fájlt. Töltse ki a tárolóregisztrációs adatbázis paramétereinek értékeit (használja a korábbi lépésben azonosítottakat) az alábbiak szerint:

   CONTAINER_REGISTRY_NAME=<YourContainerRegistryName>
   CONTAINER_REGISTRY_USERNAME=<YourContainerRegistryUserName>
   CONTAINER_REGISTRY_PASSWORD=<YourContainerRegistryPassword>
   

   Az alábbiakban egy minta .env fájl látható:

   

4. Mentse a fájlt .env formátumban a SampleSolution mappába.

5. A Dockerbe való bejelentkezéshez írja be a következő parancsot a Visual Studio Code integrált termináljába.

   docker login -u <CONTAINER_REGISTRY_USERNAME> -p <CONTAINER_REGISTRY_PASSWORD> <CONTAINER_REGISTRY_NAME>
   

   Nyissa meg a tárolóregisztrációs adatbázis Hozzáférési kulcsok szakaszát az Azure Portalon. Másolja és használja a beállításjegyzék nevét, jelszavát és bejelentkezési kiszolgálót.

   

   A hitelesítő adatok megadása után a bejelentkezés sikeres lesz.

   

6. Küldje el a rendszerképet az Azure-tárolóregisztrációs adatbázisba. A VS Code Explorerben válassza ki és kattintson a jobb gombbal a deployment.template.json fájlra, majd válassza az IoT Edge-megoldás összeállítása és leküldése lehetőséget.

   

   Ha a Python- és Python-bővítmény nincs telepítve, ezek a megoldás létrehozásakor és leküldésekor lesznek telepítve. Ez azonban hosszabb buildelési időt eredményezne.

   A lépés befejezése után megjelenik a modul a tárolóregisztrációs adatbázisban.

   

7. Üzembehelyezési jegyzék létrehozásához kattintson a jobb gombbal a deployment.template.json , majd válassza az IoT Edge-alapú üzembehelyezési jegyzék létrehozása lehetőséget.

   

   Az értesítés tájékoztatja az üzembehelyezési jegyzék létrehozásának útvonaláról. A jegyzékfájl a deployment.amd64.json konfigurációs mappában létrehozott fájl.

8. Válassza ki a deployment.amd64.json fájlt a konfigurációs mappában, majd válassza az Üzembe helyezés létrehozása önálló eszközhöz lehetőséget. Ne használja a deployment.template.json fájlt.

   

   A Kimenet ablakban egy üzenetnek kell megjelennie, amely szerint az üzembe helyezés sikeres volt.

   

A modul figyelése

1. A VS Code parancskatalógusában futtassa az Azure IoT Hub: Select IoT Hub (Azure IoT Hub: IoT Hub kiválasztása) parancsot.

2. Válassza ki a konfigurálni kívánt IoT Edge-eszközt tartalmazó előfizetést és IoT Hubot. Ebben az esetben válassza ki az Azure Stack Edge Pro-eszköz üzembe helyezéséhez használt előfizetést, és válassza ki az Azure Stack Edge Pro-eszközhöz létrehozott IoT Edge-eszközt. Ez akkor fordul elő, ha a számítást az Azure Portalon keresztül konfigurálja a korábbi lépésekben.

3. A VS Code Explorerben bontsa ki az Azure IoT Hub szakaszt. Az Eszközök területen meg kell jelennie az Azure Stack Edge Pro-eszköznek megfelelő IoT Edge-eszköznek.

   1. Jelölje ki az eszközt, kattintson a jobb gombbal, és válassza a Beépített eseményvégpont monitorozásának indítása parancsot.

      

   2. Nyissa meg az Eszközök modult, és futtassa a GPU-modult.>

      

   3. A VS Code-terminálnak az IoT Hub-eseményeket is meg kell jelenítenie az Azure Stack Edge Pro-eszköz monitorozási kimeneteként.

      

      Látható, hogy az azonos műveletek végrehajtásához szükséges idő (5000 alakzatátalakítás) GPU-val sokkal kisebb, mint a CPU esetében.

Következő lépések

• További információ a GPU modul használatára való konfigurálásáról.