Conda でのディープラーニング AMI の使用 - Deep Learning AMI

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

Conda でのディープラーニング AMI の使用

Conda を使用したディープラーニング AMI 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。

Conda のディープラーニング AMI は、ディープラーニング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。

DLOMI にログインします。

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

v28 リリース以降、CNTK、Caffe、Caffe2、および Theano Conda 環境は AWS Deep Learning AMI 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、AWS は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

たとえば、「」が表示されます。for MXNet(+Keras1) with Python3 (CUDA 10.1) _____________________ source activate mxnet_p36これは、環境に MXNet、Keras 1、Python 3、および CUDA 10.1 が存在することを意味します。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 環境の起動

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。Conda の Deep Learning AMI 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も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。

  1. Python 3 用の TensorFlow 仮想環境を有効化します。

    $ source activate tensorflow_p37
  2. iPython ターミナルを起動します。

    (tensorflow_37)$ ipython
  3. クイック TensorFlow プログラムを実行します。

    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

Python3環境に切り替える

iPython コンソールをまだ終了していない場合は、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 PyTorch 仮想環境を有効化します。

    $ source activate pytorch_p36

いくつかの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、配列を作成および出力する PyTorch コードを Python で作成します。

  1. iPython ターミナルを起動します。

    (pytorch_p36)$ ipython
  2. PyTorch をインポートします。

    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。この署名は無視できます。

  3. ランダムに初期化された要素を持つ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 コンソールをまだ終了していない場合は、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

一部の MXNet コードのテスト

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。

  1. iPython ターミナルを起動します。

    (mxnet_p36)$ ipython
  2. 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。この署名は無視できます。

  3. 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 の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>