針對 Azure 資料科學虛擬機器的問題進行疑難解答

發行項
04/30/2024

本文說明如何在使用 Azure 資料科學虛擬機器時發現並更正您可能遇到的錯誤或失敗。

Ubuntu

修正 NVIDIA A100 GPU 晶片上的 GPU - Azure NDasrv4 系列

ND A100 v4 系列虛擬機是 Azure GPU 系列的旗艦新增專案。其會處理高端深度學習訓練，並緊密結合、相應增加和相應放大 HPC 工作負載。

由於其獨特的架構，因此需要針對高需求工作負載設定不同的設定，才能使用 TensorFlow 或 PyTorch 架構從 GPU 加速中獲益。

我們正在建置 ND A100 機器 GPU 的現成支援。同時，如果您新增 NVIDIA Fabric 管理員並更新驅動程式，您的 GPU 可以處理 Ubuntu。請遵循終端機中的下列步驟：

新增 NVIDIA 存放庫以安裝或更新驅動程式 - 尋找此資源的逐步指示
[選擇性]您也可以從該存放庫更新 CUDA 驅動程式

安裝 NVIDIA Fabric Manager 驅動程式：

sudo apt-get install cuda-drivers-460
sudo apt-get install cuda-drivers-fabricmanager-460

重新啟動 VM （準備驅動程式）

開啟並啟動新安裝的 NVIDIA Fabric Manager 服務：

sudo systemctl enable nvidia-fabricmanager
sudo systemctl start nvidia-fabricmanager

執行此程式碼範例來確認您的 GPU 和驅動程式是否正常運作：

systemctl status nvidia-fabricmanager.service

此螢幕快照顯示正在執行的 Fabric Manager 服務：

對桌面環境的連線失敗

如果您可以透過 SSH 終端機連線到 DSVM，但無法透過 x2go 連線，x2go 可能會有錯誤的工作階段類型設定。若要連線到 DSVM 桌面環境，請將 x2go/session 喜好設定/工作階段中的會話類型設定為 XFCE。目前不支援其他桌面環境。

使用 x2go 連線到 DSVM 時字型看起來錯誤

當您連線到 x2go 時，特定的 x2go 工作階段設定可能會導致某些字型看起來錯誤。線上到 DSVM 之前，請先取消核取工作階段喜好設定對話框 [輸入/輸出] 索引標籤中的 [設定顯示 DPI] 複選框。

提示輸入未知的密碼

您可以將 DSVM 驗證類型 設定設定為 SSH 公鑰。建議您不要使用密碼驗證。如果您使用 SSH 公鑰，則不會收到密碼。不過，在某些情況下，某些應用程式仍會要求密碼。執行 sudo passwd <user_name> 以建立特定使用者的新密碼。透過 sudo passwd，您可以為根使用者建立新的密碼。

執行此命令並不會變更 SSH 組態，且允許的登入機制會維持不變。

在執行 sudo 命令時提示輸入密碼

當您在 Ubuntu 電腦上執行 sudo 命令時，可能會收到重複輸入密碼的要求，以確認您是登入的使用者。這是預期的預設Ubuntu行為。不過，在某些情況下，不需要重複的驗證，而且相當令人惱火。

若要停用大部分情況下的重新驗證，您可以在終端機中執行此命令：

echo -e "\n$USER ALL=(ALL) NOPASSWD: ALL\n" | sudo tee -a /etc/sudoers

重新啟動終端機之後，sudo 不會要求另一個登入，它會將會話登入的驗證視為足夠。

無法使用 Docker 作為非根使用者

若要使用 docker 作為非根使用者，您的使用者需要 docker 群組中的成員資格。此命令 getent group docker 會傳回屬於該群組的用戶清單。若要將使用者新增至 Docker 群組，請執行 sudo usermod -aG docker $USER。

Docker 容器無法透過網路與外部互動

根據預設，Docker 會將新的容器新增至所謂的「網橋網路」： 172.17.0.0/16。該網橋網路的子網可能會與您 DSVM 的子網重疊，或與您訂用帳戶中擁有的另一個私人子網重疊。在此情況下，主機與容器之間沒有網路通訊。此外，無法連線到在容器中執行的 Web 應用程式，而且容器無法從 apt 更新套件。

若要修正此問題，您必須重新設定 Docker，使其網橋網路使用 IP 位址空間，而該網路不會與訂用帳戶的其他網路重疊。例如，如果您新增

"default-address-pools": [
        {
            "base": "10.255.248.0/21",
            "size": 21
        }
    ]

/etc/docker/daemon.json至 JSON 檔案，Docker 會將另一個子網指派給網橋網路。您必須使用 sudo 編輯檔案，例如執行 sudo nano /etc/docker/daemon.json。

變更之後，請執行 service docker restart 以重新啟動 Docker 服務。若要判斷您的變更是否生效，可以執行 docker network inspect bridge。 IPAM 底下 的值。Config.Subnet 應該對應到稍早指定的位址池。

Docker 容器中無法使用 GPU（s）

DSVM 上安裝的 Docker 資源預設支援 GPU。不過，該支援需要特定必要條件。

DSVM 的 VM 大小必須至少包含一個 GPU。
當您使用 docker run啟動 Docker 容器時，您必須新增 --gpus 參數：例如 --gpus all。
包含 NVIDIA A100 GPU 的 VM 大小需要安裝其他軟體套件，特別是 NVIDIA Fabric 管理員。這些套件可能不會預安裝於映像中。

Windows

虛擬機第 2 代（第 2 代）無法運作

當您嘗試根據虛擬機第 2 代（Gen 2）建立資料科學 VM 時，它會失敗。

目前，我們會根據 Windows 2019 Server 維護並提供資料科學虛擬機器（DSVM）的映像，僅適用於第 1 代 DSVM。尚未支援 Gen 2 ，但我們計劃在近期支持它們。

存取 SQL Server

當您嘗試連線到預安裝的 SQL Server 實例時，可能會遇到「登入失敗」錯誤。若要成功連線到 SQL Server 實例，您必須以系統管理員模式執行您想要連線的程式，例如 SQL Server Management Studio （SSMS）。系統管理員模式是必要的，因為 DSVM 預設行為，只有系統管理員才能連線。

Hyper-V 無法運作

如預期的行為，Hyper-V 一開始無法在 Windows 上運作。為了獲得最佳效能，我們已停用一些服務。若要啟用 Hyper-V：

開啟 Windows DSVM 上的搜尋列
輸入「服務」，”
將所有 Hyper-V 服務設定為「手動」
將 [Hyper-V 虛擬機管理] 設定為 [自動]

您的最終畫面看起來應該像這樣：

針對 Azure 資料科學虛擬機器 的問題進行疑難解答