AWS 上的生成式 AI - 环境设置

让我们了解如何设置 AWS 账户并为生成式 AI 配置环境。

设置 AWS 账户

要将 AWS 用于生成式 AI，我们首先需要创建并设置一个 AWS 账户。在本节中，我们将逐步说明如何设置您的 AWS 账户 −

步骤 1:注册 AWS

首先，导航到 AWS 网站并单击"创建 AWS 账户"。接下来，输入您的电子邮件，创建一个强密码，然后选择一个唯一的 AWS 账户名称。

步骤 2:完成账户设置

要完成账户设置，首先输入您的联系方式，包括您的电话号码和地址。接下来，您需要选择账户类型。这取决于您的需求，可以是个人或专业。

要付款，您需要提供有效的信用卡。

步骤 3:验证您的身份

AWS 将通过短信或语音电话发送验证码以确认您的电话号码。您需要输入此代码才能继续。

步骤 4:选择支持计划

AWS 有几种支持计划，包括基本(免费)、开发人员、商业和企业。您可以根据需要选择任何一种。您的账户现已设置完毕。

步骤 5:登录 AWS 管理控制台

现在，您可以登录 AWS 管理控制台，从那里您可以为 Generative AI 启动 EC2 和 SageMaker 等服务。

配置您的 AWS 环境

拥有 AWS 账户后，下一步是配置您的环境以开发和部署生成式 AI 模型。

我们在此提供了如何配置 AWS 环境的分步过程 −

步骤 1:设置 IAM 用户和角色

首先，创建一个 IAM(身份和访问管理) 用户，而不是使用根帐户进行日常操作。

通过创建提供对 EC2、AWS SageMaker 和 Amazon S3 等服务的访问权限的策略来分配必要的权限。

最后，为 IAM 用户启用多重身份验证 (MFA)。它增强了安全性。

步骤 2:为生成式 AI 选择 AWS 服务

AWS 提供各种服务，例如 Amazon SageMaker、AWS Lambda、Amazon EC2 和 Amazon S3，您可以将它们用于 Gen AI 任务。

步骤 3:启动 EC2 实例进行训练

出于训练目的，我们需要启动 EC2 实例。 EC2 为训练大型模型提供了可扩展的计算资源。

首先，您可以启动一个支持 GPU 的 EC2 实例(例如 p3.2xlarge 或 g4dn.xlarge)。您还可以使用竞价型实例来节省成本。

接下来，使用预装了TensorFlow、PyTorch和 MXNet 等框架的深度学习 AMI。

步骤 4:配置网络和安全

要安全地运行您的实例，首先设置VPC(虚拟私有云)，然后配置安全组以限制对实例的访问。

步骤 5:安装基本库和框架

如果您不使用深度学习 AMI，请安装 PyTorch、TensorFlow 或 Hugging 等库在您的 EC2 实例或 SageMaker 笔记本上查看。

例如，您可以使用以下命令安装 PyTorch −

pip install torch torchvision

步骤 6:设置 S3 存储桶用于数据存储

安装完必要的库后，您需要创建一个 S3 存储桶 来存储您的训练数据、模型检查点和日志。

步骤 7:连接和配置 AWS CLI

接下来，在本地计算机上安装 AWS CLI 以通过编程方式与 AWS 服务交互。

安装后，使用您的 访问密钥 ID 和 秘密访问密钥 配置 AWS CLI。

使用以下命令 −

aws configure

步骤 8:监控和优化资源

您可以使用 Amazon CloudWatch 监控 EC2 实例的性能，跟踪 CPU、内存和 GPU 利用率。

为了控制成本，您还可以通过 AWS Billing 和 Cost Explorer 设置 预算和警报，以跟踪您在 AI 资源上的支出。