Amazon SageMaker が TensorFlow 1.5、MXNet 1.0、CUDA 9 をサポート

Amazon SageMaker の事前構築済み深層学習フレームワークコンテナが TensorFlow 1.5 および Apache MXNet 1.0 のサポートを開始。いずれも、SageMaker ml.p3 インスタンス上でより優れたパフォーマンスを出すために CUDA 9 最適化を活用します。パフォーマンスのメリットに加えて、TensorFlow での Eager の実行、MXNet での NDArrays の高度なインデックス作成機能など、最新の機能を活用できるようになります。変更内容の詳細についてはこちらとこちらをご覧ください。

Amazon SageMaker の事前構築型深層学習コンテナのご利用が初めての方は、使用方法について解説したサンプルのリポジトリをご覧ください。ユーザーが人間に理解しやすい様式で TensorFlow または MXNet のコードを書き、そのコードを Amazon SageMaker の分散型管理トレーニングクラスタやリアルタイムにホストされるエンドポイントへ送って処理できるようにします。これにより、ノートパソコン上のデータのサンプルで深層学習コードを書いたり、テストしたりし、その後、複数のマシンや GPU 環境のフルデータセット上で実行するために、容易に拡張する能力と柔軟性を提供します。

最新のコンテナを使用するには次のステップに従ってください。

1. 次を使って SageMaker Python SDK の最新バージョンをインストール (または更新)pip install -U sagemaker
2. ユーザーの新しいジョブではデフォルトで各フレームワークの最新バージョンが使用されます。しかし、ワークローでフレームワークの古いバージョンを使用する必要があるときは、次の手順でバージョンを指定できます。

MXNet の 場合:

from sagemaker.mxnet import MXNet
estimator = MXNet(entry_point='mnist.py',
                  framework_version=’0.12’,
                  role=role,
                  output_path=model_artifacts_location,
                  code_location=custom_code_upload_location,
                  train_instance_count=1,
                  train_instance_type='ml.m4.xlarge',
                  hyperparameters={'learning_rate': 0.1})

TensorFlow の場合:

from sagemaker.tensorflow import TensorFlow
estimator = TensorFlow(entry_point='mnist.py',
                       framework_version=’1.4’,
                       role=role,
                       output_path=model_artifacts_location,
                       code_location=custom_code_upload_location,
                       train_instance_count=1,
                       train_instance_type='ml.m4.xlarge',
                       hyperparameters={'learning_rate': 0.1})

Amazon SageMaker TensorFlow 1.5 と MXNet 1.0 のコンテナは、現在次の AWS リージョンで利用できます。米国東部 (バージニア北部)、米国東部 (オハイオ)、欧州 (アイルランド)、米国西部 (オレゴン)。

Amazon SageMaker Python SDK を更新すると、これらの新しくリリースされたコンテナで GitHub のコードを使用することにより、すぐに強化された機能とパフォーマンスの改善を活用できるようになります。

David Arpin は AWS の AI Platforms Selection Leader で、データサイエンスチームと製品管理を統率してきた経歴があります。