Conda를 사용하는 Deep Learning AMI 사용 - 딥 러닝 AMI

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

Conda를 사용하는 Deep Learning AMI 사용

Conda를 사용하는 Deep Learning AMI 소개

Conda는 Windows, macOS 및 Linux에서 실행되는 오픈 소스 패키지 관리 시스템 및 환경 관리 시스템입니다. Conda는 패키지 및 그 종속성을 빠르게 설치, 실행 및 업데이트합니다. Conda는 손쉬운 생성, 저장, 로드 및 로컬 컴퓨터 환경 사이의 전환이 가능합니다.

Conda를 사용하는 Deep Learning AMI는 딥 러닝 환경을 손쉽게 전환할 수 있도록 구성되었습니다. 다음 지침은 conda를 사용한 몇 가지 기본명령을 안내합니다. 프레임워크의 기본 가져오기가 작동 중인지 여부와 프레임워크를 통해 여러 단순 작업을 실행할 수 있는지 여부를 확인하는 데 도움이 됩니다. 그리고 DLAMI와 함께 제공되는 더 많은 자습서 또는 각 프레임워크의 프로젝트 사이트에 있는 프레임워크 예제로 넘어갈 수 있습니다.

DLAMI 로그인

서버에 로그인한 다음 각기 다른 딥 러닝 프레임워크 사이를 전환할 수 있는 다양한 conda 명령을 설명하는 서버 MOTD(Message of the Day)가 보입니다. 아래는 예제 MOTD입니다. 특정 MOTD는 릴리스된 DLAMI 새 버전에 따라 달라질 수 있습니다.

============================================================================= AMI Name: Deep Learning OSS Nvidia Driver AMI (Amazon Linux 2) Version 77 Supported EC2 instances: G4dn, G5, G6, Gr6, P4d, P4de, P5 * To activate pre-built tensorflow environment, run: 'source activate tensorflow2_p310' * To activate pre-built pytorch environment, run: 'source activate pytorch_p310' * To activate pre-built python3 environment, run: 'source activate python3' NVIDIA driver version: 535.161.08 CUDA versions available: cuda-11.7 cuda-11.8 cuda-12.0 cuda-12.1 cuda-12.2 Default CUDA version is 12.1 Release notes: https://docs.aws.amazon.com/dlami/latest/devguide/appendix-ami-release-notes.html AWS Deep Learning AMI Homepage: https://aws.amazon.com/machine-learning/amis/ Developer Guide and Release Notes: https://docs.aws.amazon.com/dlami/latest/devguide/what-is-dlami.html Support: https://forums.aws.amazon.com/forum.jspa?forumID=263 For a fully managed experience, check out Amazon SageMaker at https://aws.amazon.com/sagemaker =============================================================================

TensorFlow 환경 시작하기

참고

Conda 환경을 처음 시작할 때 로드되는 동안 기다려야 합니다. Conda를 사용하는 Deep Learning AMI는 프레임워크의 최초 정품 인증 시 EC2 인스턴스에 대한 프레임워크의 가장 최적화된 버전을 설치합니다. 이후에는 지연되지 않습니다.

  1. Python 3용 TensorFlow 가상 환경을 활성화합니다.

    $ source activate tensorflow2_p310
  2. iPython 터미널을 시작합니다.

    (tensorflow2_p310)$ ipython
  3. 빠른 TensorFlow 프로그램을 실행합니다.

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

"Hello, Tensorflow!"가 표시됩니다.

다음

Jupyter Notebook 자습서 실행

PyTorch Python 3 환경으로 전환하기

계속해서 iPython 콘솔에서 quit()을 사용하는 경우, 환경을 전환할 준비를 합니다.

  • Python 3용 PyTorch 가상 환경을 활성화합니다.

    $ source activate pytorch_p310

일부 PyTorch 코드 테스트

설치를 테스트하려면 Python을 사용하여 배열을 만들고 인쇄하는 PyTorch 코드를 작성하십시오.

  1. iPython 터미널을 시작합니다.

    (pytorch_p310)$ ipython
  2. 임포트 PyTorch.

    import torch

    타사 패키지에 관한 경고 메시지가 표시될 수 있습니다. 이 서명은 무시할 수 있습니다.

  3. 무작위로 초기화된 요소를 포함하는 5x3 매트릭스를 생성합니다. 어레이를 출력합니다.

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

    결과를 확인합니다.

    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]])

환경 제거

DLAMI의 공간이 부족하면 사용하고 있지 않은 Conda 패키지를 제거하는 방법을 선택할 수도 있습니다.

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