Deep Learning AMI with Conda の概要 DLAMI にログインする TensorFlow 環境を起動する PyTorch Python 3 環境に切り替える MXNet Python 3 環境に切り替える環境を削除する

Deep Learning AMI with Conda の使用

トピック

Deep Learning AMI with Conda の概要
DLAMI にログインする
TensorFlow 環境を起動する
PyTorch Python 3 環境に切り替える
MXNet Python 3 環境に切り替える
環境を削除する

Deep Learning AMI with Conda の概要

Conda は、Windows、macOS、および Linux で稼働するオープンソースのパッケージ管理システムおよび環境管理システムです。Conda では、パッケージとその依存関係を迅速にインストール、実行、および更新できます。また、ローカルコンピュータ上で簡単に環境を作成、保存、ロードし、環境を切り替えることができます。

Deep Learning AMI with Conda は、深層学習環境を簡単に切り替えられるように設定されています。次に示す手順では、conda での基本的なコマンドを説明します。これらのコマンドは、フレームワークの基本インポートが機能していることや、フレームワークでいくつかの簡単な操作を実行できることの確認にも役立ちます。その後、DLAMI で提供されているより詳細なチュートリアルや、各フレームワークのプロジェクトサイトにあるフレームワークの例に進むことができます。

サーバーにログインすると、サーバーの「その日のメッセージ (MOTD)」が表示され、さまざまなディープラーニングフレームワークを切り替えるための各種の Conda コマンドが示されます。以下に MOTD の例を示します。新しいバージョンの DLAMI がリリースされる事により、場合によっては特定の MOTD が異なる場合があります。

注記

v28AWS Deep Learning AMI リリース以降、CNTK、Caffe、Caffe2、Chainer、Caffe2、Chainer、Keras Conda 環境はに含まれなくなりました。これらの環境を含む AWS Deep Learning AMI の以前のリリースは引き続き利用できます。ただし、これらのフレームワークのオープンソースコミュニティによってセキュリティ修正が公開されている場合にのみ、これらの環境の更新を提供します。


=============================================================================
       __|  __|_  )
       _|  (     /   Deep Learning AMI (Ubuntu 18.04) Version 40.0
      ___|\___|___|
=============================================================================

Welcome to Ubuntu 18.04.5 LTS (GNU/Linux 5.4.0-1037-aws x86_64v)

Please use one of the following commands to start the required environment with the framework of your choice:
for AWS MX 1.7 (+Keras2) with Python3 (CUDA 10.1 and Intel MKL-DNN) _______________________________ source activate mxnet_p36
for AWS MX 1.8 (+Keras2) with Python3 (CUDA + and Intel MKL-DNN) ___________________________ source activate mxnet_latest_p37
for AWS MX(+AWS Neuron) with Python3 ___________________________________________________ source activate aws_neuron_mxnet_p36
for AWS MX(+Amazon Elastic Inference) with Python3 _______________________________________ source activate amazonei_mxnet_p36
for TensorFlow(+Keras2) with Python3 (CUDA + and Intel MKL-DNN) _____________________________ source activate tensorflow_p37
for Tensorflow(+AWS Neuron) with Python3 _________________________________________ source activate aws_neuron_tensorflow_p36
for TensorFlow 2(+Keras2) with Python3 (CUDA 10.1 and Intel MKL-DNN) _______________________ source activate tensorflow2_p36
for TensorFlow 2.3 with Python3.7 (CUDA + and Intel MKL-DNN) ________________________ source activate tensorflow2_latest_p37
for PyTorch 1.4 with Python3 (CUDA 10.1 and Intel MKL) _________________________________________ source activate pytorch_p36
for PyTorch 1.7.1 with Python3.7 (CUDA 11.0 and Intel MKL) ________________________________ source activate pytorch_latest_p37
for PyTorch (+AWS Neuron) with Python3 ______________________________________________ source activate aws_neuron_pytorch_p36
for base Python3 (CUDA 10.0) _______________________________________________________________________ source activate python3

各 Conda コマンドのパターンを次に示します。

source activate framework_python-version

例えば、for MXNet(+Keras1) with Python3 (CUDA 10.1) _____________________ source activate mxnet_p36 と表示された場合は、環境に MXNet、Keras 1、Python 3、および CUDA 10.1 が存在しています。また、この環境を有効化するには、次のコマンドを使用します。


$ source activate mxnet_p36

TensorFlow 環境を起動する

注記

初めて Conda 環境を起動する際には、ロードするまで辛抱して待機してください。Deep Learning AMI with Conda は、EC2 インスタンスにフレームワークの最初のアクティベーションから最適化されたフレームワークのバージョンを自動的にインストールします。継続する遅延はありません。

Python 3 TensorFlow 用仮想環境を有効化します。
```
$ source activate tensorflow_p37
```
iPython ターミナルを起動します。
```
(tensorflow_37)$ ipython
```

TensorFlow クイックプログラムを実行してください。



import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

"Hello, Tensorflow!" が表示されます。

次回の予定

Jupyter ノートブックチュートリアルを実行する

PyTorch Python 3 環境に切り替える

iPython コンソールをまだ使用している場合は、quit() を使用して、環境を切り替える準備を整えます。

Python 3 PyTorch 用仮想環境を有効化します。
```
$ source activate pytorch_p36
```

PyTorch コードをテストする

インストール環境をテストするには、 PyTorch 配列を作成および出力するコードを Python で作成します。

iPython ターミナルを起動します。
```
(pytorch_p36)$ ipython
```
[インポート] PyTorch。
```
import torch
```
サードパーティー製パッケージに関する警告メッセージが表示される場合があります。それは無視できます。

各要素をランダムに初期化して、5x3 行列を作成します。配列を出力します。


x = torch.rand(5, 3)
print(x)

結果を確認します。


tensor([[0.3105, 0.5983, 0.5410],
        [0.0234, 0.0934, 0.0371],
        [0.9740, 0.1439, 0.3107],
        [0.6461, 0.9035, 0.5715],
        [0.4401, 0.7990, 0.8913]])

MXNet Python 3 環境に切り替える

iPython コンソールをまだ使用している場合は、quit() を使用して、環境を切り替える準備を整えます。

Python 3 用の MXNet 仮想環境を有効化します。
```
$ source activate mxnet_p36
```

MXNet コードをテストする

インストール環境をテストするには、NDArray API を使用して配列を作成および出力する MXNet コードを Python で作成します。詳細については、NDArray API を参照してください。

iPython ターミナルを起動します。
```
(mxnet_p36)$ ipython
```
MXNet をインポートします。
```
import mxnet as mx
```
サードパーティー製パッケージに関する警告メッセージが表示される場合があります。それは無視できます。
NDArray のインスタンスである 5x5 行列を作成します。各要素は 0 に初期設定します。配列を出力します。
```
mx.ndarray.zeros((5,5)).asnumpy()
```
結果を確認します。
```
array([[ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.]], dtype=float32)
```
MXNet のその他の例については、MXNet チュートリアルセクションを参照してください。

環境を削除する

DLAMI にスペースが足りない場合、使用していない Conda パッケージをアンインストールすることを選択できます。


conda env list
conda env remove –-name <env_name>

ブラウザで JavaScript が無効になっているか、使用できません。

AWS ドキュメントを使用するには、JavaScript を有効にする必要があります。手順については、使用するブラウザのヘルプページを参照してください。

ドキュメントの表記規則

DLAMI の使用

Base DLAMI