如何在QNAP TS-2888X 上使用 Fast.AI ？

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 :

paperspace/fastai
https://hub.docker.com/r/paperspace/fastai

Tag : 1.0-release

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

• Practical Deep Learning for Coders

• Cutting Edge Deep Learning for Coders

• Introduction to Machine Learning for Coders

• Computational Linear Algebra

 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 :

• https://github.com/pytorch/pytorch/issues/5040

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. SSH 進 NAS，(進入方式參考 : https://www.qnap.com/en/how-to/knowledge-base/article/how-to-access-qnap-nas-by-ssh/)
2. 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)
3. 開啟Container Station頁面，進入Fastai Container
4. 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
   
5. 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 :

• https://forums.fast.ai/t/cuda-out-of-memory-error/11646

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

Is pass screen :



相關文章：

• 如何在QNAP NAS上使用GPU
• 使用Intel OpenVINO 做推論及優化
• 在QNAP NAS上設定TensorFlow

有任何問題歡迎留言一起討論