CaffeOnSpark安装和使用教程系列三：集群环境下使用CaffeOnSpark进行MNIST数据集的测试

说明：Yahoo在Github中给出了在Hadoop Yarn集群中CaffeOnSpark的简单安装和测试教程：（集群环境和单节点有很多重复步骤，废话比较多）

https://github.com/yahoo/CaffeOnSpark/wiki/GetStarted_yarn

但该教程只能作为参考，完全按照教程中的操作会出现一堆莫名其妙的问题。

1、确保CaffeOnSpark已经正确安装。

2、确保Hadoop和Spark集群已经正确部署。

3、配置Spark on Yarn

   修改Spark的spark-env.sh配置文件：

   cd /home/cluster/software/spark-1.6.0-bin-hadoop2.6/conf

   vim spark-env.sh

   添加如下配置信息：

export YANR_CONF_DIR=

/home/cluster/software/hadoop-2.6.4/etc/hadoop

export SPARK_LOCAL_DIRS=

/home/cluster/software/spark-1.6.0-bin-hadoop2.6

export SPARK_YARN_USER_ENV=

"CLASSPATH=/home/cluster/software/hadoop-2.6.4/etc/hadoop"

 

 将spark-env.sh配置文件发送到集群的其他节点：

  scp -r spark-env.sh cluster@slave1:

/home/cluster/software/spark-1.6.0-bin-hadoop2.6/conf/

  scp -r spark-env.sh cluster@slave2:

/home/cluster/software/spark-1.6.0-bin-hadoop2.6/conf/

4、下载MNIST数据集

进入CaffeOnSpark的主目录，执行如下指令：

sudo ./scripts/setup-mnist.sh

 

 注：通过指令可以看到CaffeOnSpark的所有者为root，即普通的用户对CaffeOnSpark目录下的所有文件都没有写权限，这点非常重要。如果不注意这点，后续也会遇到权限问题的错误。使用“ls -l”指令可以查看CaffeOnSpark的详细权限信息。

 

5、修改CaffeOnSpark/data/lenet_memory_train_test.prototxt文件：

   sudo vim lenet_memory_train_test.prototxt

 

注：在该文件中主要是修改训练和测试数据的路径信息，教程中给出的资源路径为：

 

    查看发现在CaffeOnSpark/data目录下确实有mnist_test_lmdb和mnist_train_lmdb两个资源文件：

 

    但由于前文介绍的，只有root用户对CaffeOnSpark有操作权限，因此若在lenet_memory_train_test.prototxt文件中传入CaffeOnSpark/data下的这两个资源文件，在执行过程中会出现“Permission Denied”的错误！

因此，在software新建一个所有者为普通用户的文件夹test，将mnist_test_lmdb和mnist_train_lmdb这两个资源文件拷贝到该文件夹下，在lenet_memory_train_test.prototxt中传入test下这两个资源文件的路径。

 

6、修改CaffeOnSpark/data/lenet_memory_solver.prototxt文件：

 

将“net”中lenet_memory_train_test.prototxt路径信息修改为绝对路径；

去掉“solver_mode:CPU”前边的“#”

7、导入临时环境变量

export LD_LIBRARY_PATH=${CAFFE_ON_SPARK}/caffe-public/distribute/lib:${CAFFE_ON_SPARK}/caffe-distri/distribute/lib

export LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:/usr/local/cuda-7.0/lib64:/usr/local/mkl/lib/intel64/

export CAFFE_ON_SPARK=/home/cluster/software/CaffeOnSpark

8、执行CaffeOnSpark示例程序

   在Spark集群中输入如下指令：

spark-submit

--master yarn --deploy-mode client

--num-executors 1

--files ${CAFFE_ON_SPARK}/data/lenet_memory_solver.prototxt,${CAFFE_ON_SPARK}/data/lenet_memory_train_test.prototxt

--conf  spark.driver.extraLibraryPath="${LD_LIBRARY_PATH}"

--conf spark.executorEnv.LD_LIBRARY_PATH="${LD_LIBRARY_PATH}"--class  com.yahoo.ml.caffe.CaffeOnSpark

${CAFFE_ON_SPARK}/caffe-grid/target/caffe-grid-0.1-SNAPSHOT-jar-with-dependencies.jar

-train

-features  accuracy,loss

-label     label

-conf     ${CAFFE_ON_SPARK}/data/lenet_memory_solver.prototxt

-devices  1

-connection ethernet

-model   hdfs:///mnist_cluster/mnist.model

-output   hdfs:///mnist_cluster/mnist_features_result

9、查看运行结果

由于设定训练的模型和特征结果保存在HDFS上，因此可以在Hadoop的监控页面看到如下信息：

 

   前两个为得到的最终结果，后边四个分别为迭代1000次和2000的快照信息。

     通过以下指令可以查看最终得到的特征文件的具体内容信息：

      hadoop fs -cat hdfs:///mnist_cluster/mnist_features_result/*

 

注：在lenet_memory_solver.prototxt中指定最大迭代次数为2000次，且每1000次打印一次快照，因此在结果文件中有1000和2000次迭代的信息：