使用 Amazon EC2 降低 DeepRacer 的训练成本 DeepRacer-for-cloud 的实践操作

头像
亚马逊云开发者
    阅读 13 分钟
    English
    头图

    AWS DeepRacer-for-Cloud的官方博客文档： 直达链接：https://aws.amazon.com/cn/blo...

    写在最前

    由于博客中已经写了具体的方案，这里将里面的脚本提取出来，并对相应的问题做解决

    这里采用 Deep Learning AMI (Ubuntu 18.04) Version 60.1

    实例准备，我看到文章中有提到使用G和P系实例，如下：

    g4dn.2xlarge：性价比较高的训练方式，基于GPU 加速，训练速度稍快于 DeepRacer console 训练

    p3.2xlarge：训练速度远快于DeepRacer console 训练，快速迭代模型，取得训练成果

    本次实践还是使用的 g4dn.2xlarge 那么我这里使用的是spot请求实例，而不是使用的On-Demand，会减少 70% 及以上的成本，不过也会出现一些问题，那么就是US-EAST-1区域的G和P系列的实例严重不足，可能运行一会就会停掉，那么我们可以先将基础环境部署好，直接制作镜像，那么在后面使用的时候可以快速拉起实例，不需要再对基础环境做过多的配置

    需要注意的是，你需要查看你的EC2 limit，默认情况下是没有G和P系列的容量的，需要提交case提升limit,在提交limit的时候不要提交太多请求，很可能会给你驳回

    为了方便，我这里制作了一个EC2的启动模板，也是为后续的训练打个基础，以免每次都需要手动配置

    文章目录结构:

    一、为EC2创建IAM角色
    1.首先进入IAM控制台
    2.选择EC2，点击下一步
    3.添加权限
    4.命名、查看和创建
    5.查看创建的角色

    二、创建存储桶
    1.进入S3控制台
    2.创建存储桶
    3.查看创建的存储桶

    三、创建启动模板
    1.首先需要选择镜像
    2.设置实例类型和密钥对
    3.定义子网和安全组
    4.配置存储
    5.高级详细信息
    6.查看摘要并创建模板

    四、创建实例
    1.选择从模板启动实例
    2.查看spot请求

    五、连接实例并构建基础环境
    Basic.连接你的实例

    • ①.SecureCRT导入密钥
    • ②.SecureCRT连接实例

    接下来进入基础环境的搭建
    Step-1.拉取代码
    Step-2.安装DeepRacer本地训练所需的基础组件

    • 错误场景一,解决方案
    • 错误场景二,解决方案

    Step-3.重新连接EC2实例，并执行第二阶段的环境初始化代码
    Step-4.加载训练DeepRacer所需脚本
    Step-5.编辑奖励函数,训练信息,车俩信息
    Step-6.编辑环境文件run.env

    • ①.添加存储桶信息
    • ②.编辑赛道信息

    Step-7.更新python版本
    Step-8.更新配置
    Step-9.上传dr-upload-custom-files到S3存储桶
    Step-10.启动训练

    六、后续操作(再训练)
    1.若实例终止，重新拉取实例，接着上一次训练

    • ①.修改run.env文件
    • ②.更新，使本次配置生效
    • ③.若您修改了 custom_files 中的文件，那么请您再执行如下命令重新上传custom_files
    • ④.开始训练

    七、参数、命令释义
    八、遇到的问题
    1.NO PUBKEY
    2.Python3.6报错，更新python版本
    3.无法获得锁
    4.Sagemaker is not running
    以下为具体的操作方案

    一、为EC2创建IAM角色

    正如AWS官方博客中所说的，我们使用EC2去训练模型会用到如下3个服务

    • AmazonKinesisVideoStreams
    • CloudWatch
    • S3

    那么这里进行演示创建新的EC2角色并赋权

    1.首先进入IAM控制台

    IAM创建新角色控制台:https://us-east-1.console.aws...

    2.选择EC2，点击下一步

    image.png
    控制面板-1

    3.添加权限

    依次搜索S3,CloudWatch,AmazonKinesisVideoStreams，如下图 都需要 选择FullAccess结尾的,代表完全访问

    image.png

    image.png

    image.png

    3个权限都添加完成后，点击下一步

    4.命名、查看和创建

    • ①.设置角色名称

    image.png
    SetRoleName

    • ②.查看角色附加的权限

    image.png
    CheckRole_policy

    • ③.准备创建

    根据自身需求是否添加标签(可选)

    image.png

    5.查看创建的角色

    image.png
    Check_Create_role

    二、创建存储桶

    1.进入S3控制台

    S3存储桶控制面板:https://s3.console.aws.amazon...

    image.png

    2.创建存储桶

    此处只需要设置存储桶名称和区域,其他设置保持默认即可

    image.png

    滑到最下面点击 创建存储桶

    3.查看创建的存储桶

    image.png
    Check_bk

    三、创建启动模板

    EC2启动模板控制面板:https://us-east-1.console.aws...

    1.首先需要选择镜像

    请选择 Deep Learning AMI(Ubuntu 18.04) 镜像

    image.png

    2.设置实例类型和密钥对

    虽然官方给出的提示是不要在模板中包含这两个参数，但是本次实验是为了后面多次部署节省时间，就预先在模板中定义

    image.png

    3.定义子网和安全组

    由于本次我需要使用到spot请求，就不对子网进行设置，待会spot会在us-east-1任意一个区域进行请求

    image.png

    4.配置存储

    官方博客给出配置说明为：根卷至少要高于150GiB的空间，这里设置为160GiB,我们还可以看到，AMI有一个存储卷，有225GB

    image.png

    5.高级详细信息

    这里我勾选了 请求spot实例，为了降低成本，这里可以根据用户的自身情况是否勾选 然后在IAM角色这里，要选择我们预先为EC2创建的角色

    image.png

    6.查看摘要并创建模板

    image.png

    image.png
    启动模板-查看已创建的模板

    四、创建实例

    EC2实例控制台:https://us-east-1.console.aws...

    1.选择从模板启动实例

    这里选择之前创建的模板

    image.png

    确认无误后，启动实例

    image.png

    查看创建成功的实例 如果您勾选了spot请求实例，并且在启动实例报错，提示没有spot额度，并且您在确保您账号有足够的limit，那么可能该区域的该时段没有可供您使用的spot实例，请使用按需实例进行创建

    image.png

    2.查看spot请求

    如果您在实例模板中勾选了spot请求实例，并且成功启动，那么您可以在spot请求控制面板看到您的实例

    image.png

    五、连接实例并构建基础环境

    这里还是采用AWS官方博客所给出的安装步骤

    还是做一个很基础的展示，如何连接EC2，我这里采用的是SecureCRT连接工具

    Basic.连接你的实例

    这里只支持使用以.pem类型的密钥(与 OpenSSH 共用),若您是.ppk类型的，请使用putty进行连接

    • ①.SecureCRT导入密钥

    image.png

    image.png

    image.png

    • ②.SecureCRT连接实例

    请注意，因为我们使用的是Ubuntu的镜像，那么这里使用的用户名为 ubuntu

    image.png

    连接后，若弹出提示框，请点击 接受并保存

    image.png
    SecureCRT连接实例成功

    接下来进入基础环境的搭建

    AWS DeepRacer-for-Cloud安装训练脚本如下

    • Step-1.拉取代码

    进入创建的EC2实例，并执行以下命令，从GitHub拉取代码:

    git clone https://github.com/aws-deepra...

    image.png
    git code

    • Step-2.安装DeepRacer本地训练所需的基础组件

    执行第一阶段的环境预配置代码，这会安装DeepRacer本地训练所需的基础组件，之后重启EC2实例： 这一步官方给出的只有2行代码，那么在实际的执行过程中，因为版本的变化，衍生出了一些新的问题

    cd deepracer-for-cloud && ./bin/prepare.sh
    sudo reboot

    image.png
    本地基础环境-1

    因为这里考虑到会出错的场景，在这里进行额外操作 这里贴出实际报错场景一，提示 NO_PUBKEY

    image.png

    错误场景一,解决方案
    ### 添加PUBKEY
    wget -qO - http://developer.download.nvi... | sudo apt-key add -
    ### 更新
    sudo apt-get update

    ### 重新执行,请确保您不在 deepracer-for-cloud目录中，请回到ubuntu的home目录下

    cd deepracer-for-cloud && ./bin/prepare.sh
    ### 重启
    sudo reboot

    image.png

    image.png

    若出现如下进度条，则表示错误已修复，正在安装基础环境

    image.png

    错误场景二,解决方案

    若没有出现进度条，并出现如下错误，可能会出现多次

    E: Could not get lock /var/lib/dpkg/lock-frontend - open (11: Resource temporarily unavailable)
    E: Unable to acquire the dpkg frontend lock (/var/lib/dpkg/lock-frontend), is another process using it?

    请运行一下代码解决，并重新执行基础环境安装命令

    sudo rm /var/lib/dpkg/lock-frontend
    sudo rm /var/lib/dpkg/lock

    ### 重新执行,请确保您不在 deepracer-for-cloud目录中，请回到ubuntu的home目录下

    cd deepracer-for-cloud && ./bin/prepare.sh

    ### 重启

    sudo reboot

    • Step-3.重新连接EC2实例，并执行第二阶段的环境初始化代码

    ### 请确保您此时在ubuntu的home目录下

    cd deepracer-for-cloud/ && bin/init.sh -c aws -a gpu
    此时环境初始化，需要拉取很多的容器镜像，请耐心等待完成

    image.png

    环境初始化完成，如下

    image.png

    • Step-4.加载训练DeepRacer所需脚本

    source bin/activate.sh

    • Step-5.编辑奖励函数,训练信息,车俩信息

    在deepracer-for-cloud目录中有一个custom_files目录，里面带有3个文件，分别为:

    reward_function.py #奖励函数文件
    hyperparameters.json #训练信息文件
    model_metadata.json #车俩信息文件
    在deepracer-for-cloud/custom_files/reward_function.py文件中编辑奖励函数

    def reward_function(params):
'''
Example of penalize steering, which helps mitigate zig-zag behaviors
'''

# Read input parameters
distance_from_center = params['distance_from_center']
track_width = params['track_width']
steering = abs(params['steering_angle']) # Only need the absolute steering angle

# Calculate 3 marks that are farther and father away from the center line
marker_1 = 0.1 * track_width
marker_2 = 0.25 * track_width
marker_3 = 0.5 * track_width

# Give higher reward if the car is closer to center line and vice versa
if distance_from_center <= marker_1:
    reward = 1
elif distance_from_center <= marker_2:
    reward = 0.5
elif distance_from_center <= marker_3:
    reward = 0.1
else:
    reward = 1e-3  # likely crashed/ close to off track

# Steering penality threshold, change the number based on your action space setting
ABS_STEERING_THRESHOLD = 15

# Penalize reward if the car is steering too much
if steering > ABS_STEERING_THRESHOLD:
    reward *= 0.8

return float(reward)

    在deepracer-for-cloud/custom_files/hyperparameters.json文件中编辑训练信息，例如：

    {
  "batch_size": 64,
  "beta_entropy": 0.01,
  "discount_factor": 0.995,
  "e_greedy_value": 0.05,
  "epsilon_steps": 10000,
  "exploration_type": "categorical",
  "loss_type": "huber",
  "lr": 0.0003,
  "num_episodes_between_training": 20,
  "num_epochs": 10,
  "stack_size": 1,
  "term_cond_avg_score": 350.0,
  "term_cond_max_episodes": 1000,
  "sac_alpha": 0.2
}
在deepracer-for-cloud/custom_files/model_metadata.json文件中编辑车辆信息，包括action space、传感器以及神经网络类型等，例如：
  {
  "action_space": [
      {
          "steering_angle": -30,
          "speed": 0.6
      },
      {
          "steering_angle": -15,
          "speed": 0.6
      },
      {
          "steering_angle": 0,
          "speed": 0.6
      },
      {
          "steering_angle": 15,
          "speed": 0.6
      },
      {
          "steering_angle": 30,
          "speed": 0.6
      }
  ],
  "sensor": ["FRONT_FACING_CAMERA"],
  "neural_network": "DEEP_CONVOLUTIONAL_NETWORK_SHALLOW",
  "training_algorithm": "clipped_ppo",
  "action_space_type": "discrete",
  "version": "3"
}
    • Step-6.编辑环境文件run.env
    • ①.添加存储桶信息

    编辑deepracer-for-cloud/run.env文件，添加如下内容：

    DR_LOCAL_S3_BUCKET=<创建的bucket名字>
    DR_UPLOAD_S3_BUCKET=<创建的bucket名字>

    也可以使用命令，请将 <创建的bucket名字> 替换为您之前创建的S3存储桶的名字

    sed -i '1i\DR_LOCAL_S3_BUCKET=<创建的bucket名字>' run.env
    sed -i '1i\DR_UPLOAD_S3_BUCKET=<创建的bucket名字>' run.env

    这里我创建的存储桶名字为:deepracer-demo-bk,作为演示

    image.png

    • ②.编辑赛道信息

    我这里使用的是 re:Invent 2018 赛道，其DR_WORLD_NAME为reinvent_base 请在run.env文件中找到 DR_WORLD_NAME 修改其值

    image.png
    修改赛道信息

    • Step-7.更新python版本

    由于该镜像自带是python 3.6，这里已经不支持了，所有需要更新python版本 请执行一下命令更新python3

    ### 安装python 3.8

    sudo apt-get -y install python3.8

    sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.8 2

    image.png

    安装python3.8

    • Step-8.更新配置

    ### 执行如下代码,使此处配置生效

    dr-update

    image.png
    dr-update

    • Step-9.上传dr-upload-custom-files到S3存储桶

    dr-upload-custom-files

    image.png

    此时S3存储桶中的custom-files应该包含下图文件

    image.png

    • Step-10.启动训练

    执行如下命令开始训练

    dr-start-training

    image.png
    training-1

    正常训练如图

    image.png

    至此，您的模型已经开始在EC2上训练

    五、后续操作

    1.若实例终止，重新拉取实例，接着上一次训练

    请进行如下操作 #### ①.修改run.env文件 修改如下参数
    ### 这是上一次训练存放文件夹，请查看S3存储桶中的文件夹名称
    DR_LOCAL_S3_MODEL_PREFIX=<本次训练存放S3存储桶的目录>
    ### 确定培训或评估是否应基于在上一个会话中创建的模型
    DR_LOCAL_S3_PRETRAINED=True
    ### 设置本次训练的目录
    DR_LOCAL_S3_PRETRAINED_PREFIX=<上一次训练存放S3存储桶的目录>
    ### 本次训练从上一次训练的checkpoint设置 默认为 last
    DR_LOCAL_S3_PRETRAINED_CHECKPOINT=best

    这是修改前的

    image.png

    这是修改后的

    image.png

    查看一下s3存储桶的文件

    image.png

    • ②.更新，使本次配置生效

    dr-update-env

    image.png
    dr-increment-training

    • ③.若您修改了 custom_files 中的文件，那么请您再执行如下命令重新上传custom_files

    dr-upload-custom-files

    • ④.开始训练

    dr-start-training

    image.png
    training-again

    如果提示 Sagemaker is not running 请执行 dr-start-training -w
    dr-start-training -w

    image.png
    training-again-error-deal-1

    run.evn配置文件参数设置,dr-命令释义

    具体参数请参阅 Deepracer-for-Cloud GitHub

    遇到的问题

    1.NO_PUBKEY

    W: GPG error: http://developer.download.nvi... Release: The following signatures couldn't be verified because the public key is not available: NO_PUBKEY F60F4B3D7FA2AF80
    E: The repository 'http://developer.download.nvi... Release' is not signed.
    N: Updating from such a repository can't be done securely, and is therefore disabled by default.
    N: See apt-secure(8) manpage for repository creation and user configuration details.

    处理方案 由于本次使用 ubuntu 18.04 所以使用以下方案解决

    wget -qO - http://developer.download.nvi... | sudo apt-key add -

    sudo apt-get update

    image.png

    image.png

    2.Python3.6报错，更新python版本

    sudo apt-get install python3.8
    sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.8 2

    注:
    第一个参数--install表示向update-alternatives注册服务名。

    第二个参数是注册最终地址，成功后将会把命令在这个固定的目的地址做真实命令的软链，以后管理就是管理这个软链；

    ( --install link name path priority)

    其中link为系统中功能相同软件的公共链接目录，比如/usr/bin/java(需绝对目录);name为命令链接符名称,如java path为你所要使用新命令、新软件的所在目录 priority为优先级，当命令链接已存在时，需高于当前值，因为当alternative为自动模式时,系统默认启用priority高的链接;# 整数 根据版本号设置的优先级（更改的优先级需要大于当前的）

    第三个参数：服务名，以后管理时以它为关联依据。

    第四个参数，被管理的命令绝对路径。

    第五个参数，优先级，数字越大优先级越高。

    3.无法获得锁

    E: Could not get lock /var/lib/dpkg/lock-frontend - open (11: Resource temporarily unavailable)
    E: Unable to acquire the dpkg frontend lock (/var/lib/dpkg/lock-frontend), is another process using it?

    解决方法:
    $ sudo rm /var/lib/dpkg/lock-frontend
    $ sudo rm /var/lib/dpkg/lock

    image.png
    问题3

    4.如果提示 Sagemaker is not running 请执行 dr-start-training -w

    dr-start-training -w

    image.png

    training-again-error-deal-1

    希望这个基础教程可以帮助到您！

    ec2amazon-ec2
    亚马逊云开发者
    2.9k 声望9.6k 粉丝

    亚马逊云开发者社区是面向开发者交流与互动的平台。在这里，你可以分享和获取有关云计算、人工智能、IoT、区块链等相关技术和前沿知识，也可以与同行或爱好者们交流探讨，共同成长。

    « 上一篇
    7 月亚马逊云科技培训与认证课程，精彩不容错过!
    下一篇 »
    物联网开源开发平台 Shifu 开放内测！第一版技术文档发布

    引用和评论

    推荐阅读
    头像
    Amazon Q Developer 实践：零基础创建贪吃蛇游戏

    亚马逊云开发者阅读 196

    0 条评论
    得票最新