Elastic GPU Service：命令列使用說明

命令

命令說明

命令樣本

fastgpu [help,-h,--help]

查看所有FastGPU命令的協助說明。

fastgpu --help

fastgpu -h

fastgpu {command} --help

查看指定的FastGPU命令的協助說明。

fastgpu ls --help

fastgpu ls

列出FastGPU使用者建立的執行個體。包括以下資訊：

• instance name：執行個體名稱。

• age(hours)：執行個體建立至今的時間，以小時為單位。

• public_ip：執行個體的公網IP。

• private_ip：執行個體的內網IP。

• GPU：GPU規格和數量。

• instance_type：執行個體規格。

參數說明：

-a：列出您當前阿里雲賬戶下所有執行個體。會提供Key-Owner（金鑰組）和instance_id（執行個體id）兩個額外的資訊。

• 查詢當前Linux賬戶下的執行個體：

  fastgpu ls

• 查詢同一個阿里雲帳號不同Linux賬戶下的所有執行個體：

  fastgpu ls -a

fastgpu create --config create.cfg
fastgpu create --name {instance_name} --machine {count} --instance_type {ins_type}

建立一個執行個體或一個叢集。

• 建立一個Ubuntu系統的執行個體，並指定執行個體名稱和規格，同時自動安裝CUDA：

  fastgpu create --name fastgpu_vm -np 1 --instance_type ecs.gn6v-c8g1.16xlarge --image_type ubuntu --install_cuda

• 按照設定檔建立執行個體：

  fastgpu create -c config.cfg

fastgpu ssh {instance_name}

使用SSH串連並登入到指定執行個體。

使用SSH串連到task0.my_job執行個體：

fastgpu ssh task0.my_job

fastgpu scp /local/path/to/upload {instance_name}:/remote/path/to/save
fastgpu scp {instance_name}:/remote/path/to/copy /local/path/to/save

將本地檔案拷貝到執行個體中，或者是從執行個體中拷貝到本地。

• 將本地檔案拷貝到執行個體中：

  fastgpu scp /root/test.txt task0.my_job:/root/

• 將執行個體中的檔案拷貝到本地：

  fastgpu scp task0.my_job:/home/cuda/ ~/cuda/

• 將本地檔案拷貝到my_job叢集中所有執行個體的/root目錄中：

  fastgpu scp /root/test.txt {my_job}:/root/

fastgpu querygpu
fastgpu query
fastgpu query -gpu {gpu_type}
fastgpu query -np  {number of gpus per node}
fastgpu query -gpu {gpu_type} -np {number of gpus per node}

查詢阿里雲支援的GPU執行個體規格。

• 查詢所有執行個體類型：

  fastgpu querygpu

  fastgpu query

• 查詢V100 GPU包含的所有執行個體類型：

  fastgpu query -gpu "V100"

• 查詢4個GPU的執行個體類型：

  fastgpu query -np 4

fastgpu queryimage
fastgpu queryimage {os_type}

查詢阿里雲支援的執行個體鏡像。

參數說明：

os_type：阿里雲支援的os類型。包括CentOS、Ubuntu、Debian、SUSE、Aliyun等。

• 查詢所有鏡像：

  fastgpu queryimage

• 查詢CentOS系統的所有鏡像版本：

  fastgpu queryimage centos

fastgpu describe {instance_name}
fastgpu describe

查詢執行個體的所有屬性。屬性包括CPU核心數、GPU、鏡像、記憶體大小、建立時間、金鑰組、狀態等資訊。

• 查詢所有執行個體的所有屬性：

  fastgpu describe

• 查詢task0.my_job執行個體屬性：

  fastgpu describe task0.my_job

• 查詢my_job叢集下的所有執行個體屬性：

  fastgpu describe {my_job}

fastgpu kill {instance_name}
fastgpu kill -y {instance_name}
fastgpu kill {instance_a_name} {instance_b_name} {instance_c_name}
fastgpu kill -f {instance_name}

釋放指定的執行個體。

• 釋放停止狀態的task0.my_job執行個體：

  fastgpu kill task0.my_job

• 強制釋放task0.my_job執行個體，無論執行個體是什麼狀態：

  fastgpu kill -f task0.my_job

• 強制停止my_job叢集的所有執行個體：

  fastgpu kill -f {my_job}

fastgpu stop {instance_name}
fastgpu stop {instance_a_name} {instance_b_name} {instance_c_name}
fastgpu stop -f {instance_name}
fastgpu stop -k {instance_name}

停止指定的執行個體。若執行個體為叢集執行個體，可以通過指定該執行個體名的取值，即將{叢集名字}作為該執行個體值的尾碼來大量停止叢集下的所有執行個體。

• 停止運行中的task0.my_job執行個體：

  fastgpu stop task0.my_job

• 強制停止task0.my_job執行個體：

  fastgpu stop -f task0.my_job

• 強制停止my_job下所有執行個體：

  fastgpu stop -f {my_job}

fastgpu start {instance_name}

啟動指定的執行個體。

參數說明：

-y：跳過確認。

• 啟動task0.my_job執行個體：

  fastgpu start task0.my_job

• 啟動my_job叢集：

  fastgpu start {my_job}

fastgpu mount {instance_name}
fastgpu mount {instance_name} {mount_target_domain}

為指定的執行個體掛載NAS檔案系統到/ncluster目錄。

參數說明：

mount_target_domain：指定NAS的掛載點。如果不指定，則會自動建立掛載點並掛載。

• 為task0.my_job執行個體自動建立一個掛載點，並掛載NAS檔案系統到執行個體中：

  fastgpu mount task0.my_job

• 手動建立並擷取掛載點，並將掛載點掛載到task0.my_job執行個體中：

  fastgpu mount task0.my_job example.cn-hangzhou.nas.aliyuncs.com

• 為叢集所有執行個體掛載NAS檔案系統：

  fastgpu mount {my_job}

fastgpu run {instance_name} {cmd}

在指定執行個體中執行shell命令。

參數說明：

cmd：需要執行的命令。

• 查詢task0.my_job執行個體的IP：

  fastgpu run task0.my_job ifconfig

• 查詢my_job叢集下所有執行個體的IP：

  fastgpu run {my_job} ifconfig

fastgpu addip {instance_name}
fastgpu addip {instance_name} {your_public_ip}
fastgpu addip {instance_name} {your_public_ip} {port_range}
fastgpu addip {instance_name} {your_public_ip} {port_range} {description}
fastgpu addip -a {your_public_ip} {port_range} {description}

為指定執行個體的安全性群組添加可訪問的公網IP。

• 將本機公網IP的22連接埠添加到預設安全性群組中：

  fastgpu addip -a

• 將本機公網IP的22連接埠添加到task0.my_job執行個體中的安全性群組中：

  fastgpu addip task0.my_job

• 允許IP地址為203.0.113.0的機器訪問task0.my_job執行個體的2000-3000連接埠：

  fastgpu addip task0.my_job 203.0.113.0 2000/3000

  fastgpu addip task0.my_job 203.0.113.0 2000/3000 "open 2000-3000 port"

• 允許IP地址為203.0.113.0的機器訪問my_job叢集中的所有機器的2000~3000連接埠：

  fastgpu addip {my_job} 203.0.113.0 2000/3000

fastgpu deleteip {instance_name}
fastgpu deleteip {instance_name} {your_public_ip}
fastgpu deleteip {instance_name} {your_public_ip} {port_range}
fastgpu deleteip -a

將IP從某一執行個體安全性群組中移除。

• 將本機公網IP從task0.my_job執行個體安全性群組中移除：

  fastgpu deleteip task0.my_job

• 將IP地址為203.0.113.0的機器從執行個體安全性群組移除：

  fastgpu deleteip task0.my_job 203.0.113.0

• 移除IP地址為203.0.113.0的機器訪問2000-3000連接埠的許可權：

  fastgpu deleteip task0.my_job 203.0.113.0 2000/3000

• 將task0.my_job執行個體22連接埠下所有IP從安全性群組中移除：

  fastgpu deleteip -a task0.my_job

• 將IP地址為203.0.113.0的機器從my_job叢集下的所有執行個體中刪除：

  fastgpu deleteip {my_job} 203.0.113.0

fastgpu queryip
fastgpu queryip -a
fastgpu queryip {instance_name}

查詢執行個體的安全性群組IP，預設只查詢22連接埠對應的IP。

參數說明：

-a：查詢所有連接埠的IP。

• 查詢所有執行個體的22連接埠安全性群組IP：

  fastgpu queryip

• 查詢task0.my_job執行個體的22連接埠安全性群組IP：

  fastgpu queryip task0.my_job

• 查詢task0.my_job執行個體所有連接埠對應的安全性群組IP：

  fastgpu queryip -a task0.my_job

fastgpu addpub {string of id_rsa.pub}

將本機公開金鑰添加進指定執行個體。

參數說明：

string of id_rsa.pub：公開金鑰路徑。

將~/.ssh/id_rsa.pub內容添加到執行個體中：

fastgpu addpub

fastgpu rename {instance_name} {instance_new_name}
fastgpu rename {instance_id} {instance_new_name}

重新命名執行個體。

將task0.my_job執行個體重新命名為my_new_ins：

fastgpu rename task0.my_job task0.my_new_ins

fastgpu tmux {instance_name}

使用SSH串連到執行個體，並使用預設的tmux進程。

登入task0.my_job執行個體，並建立一個tmux進程：

fastgpu tmux task0.my_job

fastgpu deletekeypair

刪除原生金鑰組。

刪除~/.fastgpu/下對應的金鑰組：

fastgpu deletekeypair

fastgpu createkeypair

在本機建立一個金鑰組，後續執行個體的建立以及串連都會使用此次建立的金鑰組。

在本機~/.fastgpu/下建立一個金鑰組：

fastgpu createkeypair

fastgpu attachkeypair {instance_name}

將金鑰組綁定到執行個體中。

• 將~/.fastgpu/下的金鑰組綁定至task0.my_job執行個體：

  fastgpu attachkeypair task0.my_job

• 將~/.ncluster/下的金鑰組綁定至my_job叢集：

  fastgpu attachkeypair {my_job}

fastgpu detachkeypair {instance_name}

從執行個體中分離金鑰組。

• 分離task0.my_job執行個體金鑰組：

  fastgpu detachkeypair task0.my_job

• 分離my_job叢集下所有執行個體的金鑰組：

  fastgpu detachkeypair {my_job}

fastgpu notebooksample {instance_name} {passwd_of_login}

在指定執行個體中建立部署jupyter notebook專案樣本。

• 預設密碼：AIACC。

• 專案執行個體：tensorflow-1.14-python36。

參數說明：

passwd_of_login：指定jupyter-notebook伺服器密碼。

在task0.my_job執行個體中建立並部署專案樣本：

fastgpu notebooksample task0.my_job

fastgpu cuda {instance_name} {gpu_driver_version} {cuda_version} {cudnn_version}

為指定執行個體安裝驅動，CUDA和cuDNN組件。預設值為：

• gpu_driver_version：460.91.03。

• cuda-version：11.2.2。

• cudnn-version：8.1.1。

• 在task0.my_job執行個體中安裝CUDA的預設版本：

  fastgpu cuda task0.my_job

• 在task0.my_job執行個體中安裝GPU驅動，CUDA和cuDNN，GPU驅動版本為460.91.03，CUDA版本號碼為11.2.2，cuDNN版本號碼為8.1.1：

  fastgpu cuda task0.my_job 460.91.03 11.2.2 8.1.1

fastgpu conda {instance_name}
fastgpu conda {instance_name} -f {conda_yaml_file}
fastgpu conda {instance_name} -h
fastgpu conda {instance_name} --cuda 10.0 -tf -v 1.15.0

為指定執行個體安裝Conda，並建立出指定的Python、CUDA版本的虛擬環境。

• 為task0.my_job執行個體安裝Conda，不安裝任何虛擬環境：

  fastgpu conda task0.my_job

• 為my_job叢集中所有執行個體安裝Conda：

  fastgpu conda {my_job}

• 為task0.my_job執行個體安裝Conda，並配置Python 3.6，CUDA 11.0以及PyTorch 1.7.0虛擬環境：

  fastgpu conda -py 3.6 -cu 11.0 -pt -v 1.7.0

fastgpu allconda {instance_name}

在指定執行個體中安裝所有支援的Conda環境。

• 為task0.my_job安裝所有的conda環境：

  fastgpu allconda task0.my_job

• 為my_job叢集安裝所有的conda環境：

  fastgpu allconda {my_job}

fastgpu replaceimage {instance_name} {image_id}

替換指定執行個體的鏡像。

參數說明：

image_id：需要替換的鏡像名稱或鏡像ID。

• 將task0.my_job執行個體的鏡像替換為CentOS：

  fastgpu replaceimage task0.my_job centos_8_2_x64_20G_alibase_20210712.vhd

• 將my_job下所有執行個體替換為CentOS：

  fastgpu replaceimage {my_job} centos_8_2_x64_20G_alibase_20210712.vhd