【図解あり】AWS SageMakerでGPUを使用する手順

普段は「Google Colaboratory」を使っていますが、無料使用だとGPU使用に制限があるため、すぐにGPUが使えなくなってしまいました。

ということで、今回は以下を試します。

• GitHubとSageMakerの連携
• AWSの「SageMaker」を使って、GPUを使用して、Deep Learningをする

この記事を書いた人

• エンジニア歴10数年
• SIerでDX推進を仕事に
• Python、AWSを使ったアーキテクチャ設計・アプリ開発が得意
• 30代、2児の父でサウナ好き
• [icon-class=”icon-twitter”]Twitter

エソラ

図解たっぷりで解説しますので、最後までよろしくお願いします。

SageMakerとGitHubの連携手順

まずはAWSのコンソールにアクセスし、SageMakerを選択します。

さて、今回はGitHubにあるソースコードを使用したいので、SageMakerとGitHubを連携します。

SageMakerの画面に遷移したら、左側のメニューからGitリポジトリを選択します。

Gitリポジトリ画面に遷移したら、「リポジトリの追加」ボタンを押下します。

リポジトリの追加画面に遷移したら、「CodeCommitかGitHub等のサードパーティ製のリポジトリか」を選択出来ます。

今回は、「GitHubまたは他のGitベースのリポジトリ」を選択します。

選択したら、SageMakerのリポジトリ名、GitリポジトリのURL(この場合は連携したいGitHubのURL)、ブランチ名を入力します。

そして、Git認証情報として、Secret Managerを設定します。

今回はすでに作成しているSecret Managerを選択し、利用します。

作成していない場合は、以下のようにシークレットの作成を選んで、作成して下さい。

ユーザー名とパスワードにはGitHubのIDとパスワードを指定して、「シークレットの作成」ボタンを押下します。

Secret Managerの設定が完了したら、「リポジトリの追加」ボタンを押下します。

ここまでで、SageMakerとGitHubの連携が完了しました。

SageMakerでノートブックインスタンスの設定

さて、ここからはノートブックインスタンスを作成します。

SageMakerの画面の左側に「ノートブックインスタンス」というメニューがありますので、こちらをクリックします。

画面遷移したら、「ノートブックインスタンスの作成」ボタンを押下します。

すると、「ノートブックインスタンスの作成」画面に遷移します。

画面遷移したら、ノートブックインスタンス名とインスタンスタイプを選択します。

今回はGPUを使いたいので、「ml.p2.xlarge」を選択します。

また上記の画像でも出ていますが、Elastic Inferenceを設定しておくと、推論コストが下がるみたいなので、「ml.eia.medium」を選択しておきます。

IAMロールは必要であれば新しいロールを作成します。

Gitリポジトリは先程連携させたリポジトリを選択して、「ノートブックインスタンスの作成」を押下します。

ここまで完了したら、ノートブックインスタンスが作成されます。

ノートブックインスタンスを使ってみる

さて、ここまで来たらノートブックインスタンスでGPUが使えるか検証してみます。

以下のようにコードを記述します。

import torch

device = "cuda" if torch.cuda.is_available() else "cpu"

これはPyTorchでGPUが使えたらGPUを使い、使えない場合はCPUを使うというコードになります。

そして、deviceの中身を出力してみます。

cudaと出力されているため、GPUが使われています！

最後に

さて、今回はSageMakerを使って、GPUを動かしてみました。

GPUであれば重たいDeep Learningの処理もCPUと比べたらパフォーマンスが良くなるので、本格的に実装してみたい人にとっては有効な手になると思います。

また注意点ですが、使わないノートブックインスタンスは停止をしておかないと課金が発生するので、こまめに停止するようにしましょう。

ここまでお読みいただき、ありがとうございました。

役に立った、面白かったと思ったら、SNSでシェアしてくれると嬉しいです。

エソラ

もし分からないことがあれば、お問い合わせかTwitterにご連絡をいただけると嬉しいです。(Twitterの方が返信早いかも…)

＼ 更新の励みになるので、ポチッとしてね ／

にほんブログ村

エソラ

他にもスキルアップやキャリアアップの役に立つ情報が満載です。他の記事も読んで、ゆっくりしていってね！

Pythonやディープラーニング関連の記事はこちら

ディープ・ラーニングを本気で学ぶなら、Udemyがおすすめ

Udemyの魅力

1. 学習コンテンツ量が多いので、未経験から現場で活躍するレベルまで幅広い
2. 疲れていても、動画で楽に学習出来る
3. 疑問を気軽に聞けるQAシステムがあり、初心者でも安心
4. セールが多数開催されるので、Udemyの料金は技術書よりも安い場合がある
5. 30日以内なら、返金も可能

まとめると、「動画で楽に勉強が出来て、質問も出来て、しかも安い」という点が、Udemyの魅力です。

エンジニアのスキルアップに終わりはありませんが、時代が進むにつれて、学習コストは低くなっています。技術書で独学するのに、限界を感じているのであれば、Udemy はぴったりです。

Udemyをもっと知りたいなら

エンジニアの学習にUdemyがおすすめな理由

あわせて読みたい

エンジニアの学習にUdemyがおすすめな理由 近年のエンジニア人気によって、未経験からエンジニアになりたい人が多いようです。 とは言え、未経験で分厚い技術書をウンウン言いながら読み、技術スキルを身につける…

もちろん、ディープ・ラーニングに関する講座も豊富です。どんな講座があるかは、以下から確認して下さい。

＼ 動画だから、挫折しにくい ／

ディープラーニングの講座をもっと見る

※30日以内なら、返金あり