チュートリアル: GPU の IoT Edge モジュールを構成、接続、検証する

[アーティクル]
05/29/2024

適用対象: IoT Edge 1.5 IoT Edge 1.4

重要

サポートされているリリースは、IoT Edge 1.5 LTS と IoT Edge 1.4 LTS です。 IoT Edge 1.4 LTS は、2024 年 11 月 12 日にサポートが終了します。以前のリリースの場合は、「IoT Edge を更新する」を参照してください。

このチュートリアルでは、GPU 対応の仮想マシン (VM) をビルドする方法を紹介します。 VM から、IoT Edge デバイスを実行し、そのモジュールの 1 つから GPU に作業を割り当てる方法を説明します。

Azure portal、Azure Cloud Shell、および VM のコマンドラインを使用して、以下を行います。

GPU 対応 VM をビルドする
VM に NVIDIA ドライバー拡張機能をインストールする
GPU に作業を割り当てるために、IoT Edge デバイス上のモジュールを構成する

前提条件

Azure アカウント - 無料アカウントを作成する
Azure IoT Hub - IoT Hub を作成する
Azure IoT Edge デバイス

IoT Edge デバイスをまだ持っておらず、すぐに作成する必要がある場合は、次のコマンドを実行します。 Azure portal にある Azure Cloud Shell を使用します。 <DEVICE-NAME> の新しいデバイス名を作成し、IoT <IOT-HUB-NAME> を実際の名前に置き換えます。
```
az iot hub device-identity create --device-id <YOUR-DEVICE-NAME> --edge-enabled --hub-name <YOUR-IOT-HUB-NAME>
```
IoT Edge デバイスの作成方法について詳しくは、「クイックスタート:初めての IoT Edge モジュールを Linux 仮想デバイスにデプロイする」を参照してください。このチュートリアルの後半では、IoT Edge デバイスに NVIDIA モジュールを追加します。

GPU 最適化済み仮想マシンを作成する

GPU 最適化済み仮想マシン (VM) を作成するには、適切なサイズを選択することが重要です。すべての VM サイズが GPU 処理に対応できるわけではありません。さらに、ワークロードによって異なる VM サイズが必要になります。詳細については、「GPU 最適化済み仮想マシンのサイズ」を参照するか、仮想マシンセレクターを試してください。

GitHub の Azure Resource Manager (ARM) テンプレートを使用して IoT Edge VM を作成し、GPU に最適化されるように構成してみましょう。

GitHub の IoT Edge VM デプロイテンプレート (Azure/iotedge-vm-deploy) に移動します。
[Deploy to Azure](Azure にデプロイ) ボタンを選択すると、Azure portal でカスタム VM の作成が開始されます。

[カスタムデプロイ] フィールドに、Azure の資格情報とリソースを入力します。

プロパティ	説明またはサンプルの値
サブスクリプション	ご自身の Azure アカウントのサブスクリプションを選択します。
リソースグループ	Azure リソースグループを追加します。
リージョン	`East US` GPU VM は、すべてのリージョンで使用できるわけではありません。
DNS ラベルプレフィックス	VM の名前を作成します。
管理ユーザー名	`adminUser` または、独自のユーザー名を作成します。
デバイスの接続文字列	IoT Edge デバイスから接続文字列をコピーし、ここに貼り付けます。
VM サイズ	`Standard_NV6`
認証の種類	[パスワード]または [SSH 公開キー] のいずれかを選択し、必要に応じてパスワードまたはキーの組の名前を作成します。

ヒント

各リージョンでサポートされている GPU VM (利用可能な製品 (リージョン別)) を確認します。

Azure サブスクリプションで許可されているリージョンを確認するには、Azure portal からこの Azure コマンドを試してください。 Standard_N の N は、GPU 対応 VM を意味します。

az vm list-skus --location <YOUR-REGION> --size Standard_N --all --output table

下部の [確認と作成] ボタンを選択し、次に [作成] ボタンを選択しますデプロイが完了するまでに最大で 1 分ほどかかる場合があります。

NVIDIA 拡張機能をインストールする

GPU 最適化済み VM の作成が完了したので、次は Azure portal を使用して VM に NVIDIA 拡張機能をインストールしてみましょう。

Azure portal で VM を開き、左側のメニューから [拡張機能とアプリケーション] を選択します。
[追加] を選択し、一覧から [NVIDIA GPU ドライバー拡張機能] を選択したら、[次へ] を選択します。
[確認と作成] を選択してから、[作成] を選択します。このデプロイが完了するまで最大で 30 分ほどかかる場合があります。
Azure portal でインストールされたことを確認するには、VM の [拡張機能とアプリケーション] メニューに戻ります。 NvidiaGpuDriverLinux という名前の新しい拡張機能が拡張機能の一覧に表示され、[状態] の下には [プロビジョニング成功] と表示されているはずです。
Azure Cloud Shell を使用してインストールが完了したことを確認するには、次のコマンドを実行して拡張機能を一覧表示します。次のように、<> プレースホルダーは実際の値に置き換えてください。
```
az vm extension list --resource-group <YOUR-RESOURCE-GROUP> --vm-name <YOUR-VM-NAME> -o table
```
NVIDIA モジュールでは、NVIDIA System Management Interface プログラム (別名 nvidia-smi) を使用します。

デバイスから、お使いの Ubuntu のバージョンに応じた nvidia-smi パッケージをインストールします。このチュートリアルでは、Ubuntu 20.04 用の nvidia-utils-515 をインストールします。インストール時にプロンプトが表示されたら、Y を選択します。
```
sudo apt install nvidia-utils-515
```
nvidia-smi のすべてのバージョンの一覧は次のとおりです。最初にインストールせずに nvidia-smi を実行すると、この一覧がコンソールに出力されます。
インストール後、次のコマンドを実行して、インストールされていることを確認します。
```
nvidia-smi
```
以下のような、確認テーブルが表示されます。

Note

NVIDIA 拡張機能は、NVIDIA ドライバーをインストールするための簡単な方法ですが、さらにカスタマイズが必要な場合もあるでしょう。 N シリーズ VM へのカスタムインストールについての詳細は、「Linux を実行している N シリーズ VM に NVIDIA GPU ドライバーをインストールする」を参照してください。

モジュールで GPU アクセラレーションを使用する

IoT Edge モジュールで、処理に GPU を使用するには、さまざまな方法があります。 1 つの方法は、デバイス上の既存の IoT Edge モジュールで、GPU アクセラレーションを使用するように構成する方法です。もう 1 つの方法は、あらかじめ用意されているコンテナーモジュール (既に GPU 最適化済みの NVIDIA DIGITS のモジュールなど) を使用する方法です。両方の方法を見てみましょう。

DeviceRequests を使用して既存のモジュールで GPU を有効にする

IoT Edge デバイスに既存のモジュールがある場合、デプロイマニフェストの createOptions で DeviceRequests を使用して構成を追加すると、モジュールを GPU に最適化することができます。既存のモジュールを構成するには、次の手順に従います。

Azure portal で IoT Hub に移動し、[デバイス管理] メニューで [デバイス] を選択します。
[IoT Edge デバイス] を選択して開きます。
上部にある [モジュールの設定] タブを選択します。
[IoT Edge モジュール] の一覧から、GPU の使用を有効にするモジュールを選択します。
サイドパネルが開いたら、[コンテナーの作成オプション] タブを選択します。

この HostConfig JSON 文字列をコピーし、[作成オプション] ボックスに貼り付けます。

 {
     "HostConfig": {
         "DeviceRequests": 
         [
             {
                 "Count": -1,
                 "Capabilities": [
                     [
                         "gpu"
                     ]
                 ]
             }
         ]
     }
 }

[更新] を選択します。
[Review + create](レビュー + 作成) を選択します。新しい HostConfig オブジェクトがモジュールの settings に表示されるようになります。
［作成］ を選択します
新しい構成が動作することを確認するには、VM で次のコマンドを実行します。
```
sudo docker inspect <YOUR-MODULE-NAME>
```
コンソールの JSON 出力に、DeviceRequests に指定したパラメーターが表示されているはずです。

Note

DeviceRequests パラメーターをより深く理解するには、ソースコード (moby/host_config.go) を参照してください。

あらかじめ用意されている NVIDIA モジュールで GPU を有効にする

IoT Edge デバイスに NVIDIA DIGITS モジュールを追加し、その環境変数を設定してモジュールに GPU を割り当ててみましょう。この NVIDIA モジュールは既に Docker コンテナーに含まれています。

IoT Hub の [デバイス] メニューから、Azure portal で [IoT Edge デバイス] を選択します。
上部にある [モジュールの設定] タブを選択します。
IoT Edge モジュールの見出しの下にある [+ 追加] を選択し、[IoT Edge モジュール] を選択します。
[IoT Edge モジュール名] フィールドに名前を入力します。
[モジュールの設定] タブの [イメージ URI]nvidia/digits:6.0 フィールドに を追加します。
[環境変数] タブを選択します。
値 0 を使用して、環境変数名 NVIDIA_VISIBLE_DEVICES を追加します。この変数は、エッジデバイスで実行されているコンテナー化されたアプリケーションにどの GPU が表示されるかを制御します。 NVIDIA_VISIBLE_DEVICES 環境変数は、システム内の物理 GPU に対応するデバイス ID のコンマ区切りリストに設定できます。たとえば、システムにデバイス ID が 0 と 1 の 2 つの GPU がある場合、変数を "NVIDIA_VISIBLE_DEVICES=0,1" に設定して、両方の GPU をコンテナーに表示できます。この記事では、VM に GPU が 1 つしかないため、最初の (かつ唯一の) GPU を使用します。

名前 Type 値

NVIDIA_VISIBLE_DEVICES Text 0
[追加] を選択します。
[確認および作成] を選択します。配置マニフェストのプロパティが表示されます。
[作成] を選択して、モジュールを作成します。
[更新] を選択してモジュールの一覧を更新します。 [ランタイムの状態] で、このモジュールが [running](実行中) と表示されるまでには数分かかるので、デバイスの更新を続けてください。
デバイスからこのコマンドを実行して、新しい NVIDIA モジュールが存在し、実行中であることを確認します。
```
iotedge list
```
IoT Edge デバイスのモジュール一覧に、状態が running と表示された NVIDIA モジュールが表示されているはずです。

名前	Type	値
NVIDIA_VISIBLE_DEVICES	Text	0

Note

NVIDIA DIGITS コンテナーモジュールの詳細については、Deep Learning Digits に関するドキュメントを参照してください。

リソースをクリーンアップする

他の IoT Edge チュートリアルを続ける場合は、このチュートリアルで作成したデバイスを使用することができます。それ以外の場合は、課金されないようにするために、作成した Azure リソースを削除してもかまいません。

新しいリソースグループで仮想マシンと IoT ハブを作成した場合、そのグループを削除すると、関連するすべてのリソースが削除されます。リソースグループの内容を再確認して、残しておくべきものがないことを確認してください。グループ全体を削除したくない場合は、リソース (仮想マシン、デバイス、GPU モジュール) を個別に削除してもかまいません。

重要

リソースグループを削除すると、元に戻すことができません。

Azure リソースグループを削除するには、次のコマンドを使用します。リソースグループを削除するのに数分かかる場合があります。

az group delete --name <YOUR-RESOURCE-GROUP> --yes

リソースグループが削除されたことは、リソースグループの一覧を表示することによって確認できます。

az group list

次のステップ

この記事では、仮想マシンと IoT Edge デバイスを GPU アクセラレーションするための設定を行いました。同様の設定でアプリケーションを実行するには、「Microsoft Azure を使用した NVIDIA DeepStream の開発」のラーニングパスを試してください。 Learn チュートリアルでは、複数のビデオ、画像、およびオーディオソースを使用できる最適化されたインテリジェントビデオアプリケーションを開発する方法を説明します。

次の方法で共有

チュートリアル: GPU の IoT Edge モジュールを構成、接続、検証する

前提条件

GPU 最適化済み仮想マシンを作成する

NVIDIA 拡張機能をインストールする

モジュールで GPU アクセラレーションを使用する

DeviceRequests を使用して既存のモジュールで GPU を有効にする

あらかじめ用意されている NVIDIA モジュールで GPU を有効にする

リソースをクリーンアップする

次のステップ

フィードバック

その他のリソース