AWS での PyTorch

クラウドでの深層学習モデルの構築とデプロイを簡単に

PyTorch はオープンソースの深層学習フレームワークであり、機械学習モデルの開発や本番環境へのデプロイを容易にします。PyTorch はハイブリッドフロントエンドを備えており、本稼働ステージでのパフォーマンスを犠牲にすることなく、開発者がプロトタイプステージでモデルの実行を迅速に繰り返せるようにします。このハイブリッドフロントエンドを使用することで、開発者は、即座に計算を行うことで開発を容易にする eager モードと、計算グラフを作成することで本番環境での効率的な実行を実現する graph モードの間をシームレスに移行できます。PyTorch は動的計算グラフをサポートしているため、直感的に作業できてデバッグを簡単に行える柔軟な構造を備えています。また、PyTorch では分散型トレーニング、Python との密接な統合、ツールとライブラリの充実したエコシステムも提供しており、この点で研究者やエンジニアに人気があります。

AWS では、機械学習モデルの構築、トレーニング、デプロイを容易に、大規模に実行できるプラットフォーム、Amazon SageMaker を使用して、完全マネージド型の PyTorch の体験を今すぐ開始できます。カスタム環境とワークフローを構築する必要がある場合、AWS Deep Learning AMIs との PyTorch 統合を使用することもできます。

メリット

柔軟性

高速プロトタイピングと本番スケールの間をシームレスに移行し、モデルをアイデアから実装の段階まで迅速に持っていきます。

Python との統合

Python との密接な統合により、ニューラルネットワークレイヤーの構築で Pillow、scipy、NLTK などの一般的なライブラリやパッケージを容易に使用できるようになります。

充実したエコシステム

ツールとライブラリの充実したエコシステムには、Crayon、tensorboardX、AllenNLP、torchvision などが含まれますが、これが PyTorch を拡張し、コンピュータビジョン、自然言語処理、その他の開発をサポートします。

開始方法

FAIRSeq モデルサンプルを使用して、Amazon SageMaker で PyTorch の使用を簡単に開始できます。Facebook の人工知能研究チームにより開発された FAIRSeq は、機械翻訳タスクおよび要約タスクにおいて最先端のパフォーマンスを発揮するモデルをトレーニング・実行できます。FAIRSeq は、1 台のマシンで、または複数のマシンにわたって、マルチ GPU トレーニング機能を提供します。これには、超短期メモリ (LSTM) ネットワークや新しい畳み込みニューラルネットワーク (CNN) など、相当する再帰型ニューラルネットワーク (RNN) モデルの何倍も高速で翻訳を生成できる、さまざまなシークエンス間のモデルの参照実装が含まれます。

以下の例では、独自のコンテナを作成して、トレーニングし予測を提供することにより、FAIRSeq を PyTorch および Amazon SageMaker に統合する方法を示しています。サンプルノートブックに含まれるもの:

  • 独英または英仏のいずれかの翻訳モデルを活用した、トレーニングから提供までの完全なサンプル
  • マルチ GPU 並列トレーニングを活用した同じ独英モデルの、トレーニングから提供までの完全なサンプル
  • 事前トレーニングされた英仏モデルの提供

Amazon SageMaker での PyTorch の開始方法を確認する

Amazon SageMaker の詳細

Amazon SageMaker は、開発者やデータサイエンティストが機械学習モデルをあらゆる規模で、短期間で簡単に構築、トレーニング、デプロイできるようにする完全マネージド型サービスです。 Amazon SageMaker は、PyTorch や TensorFlow などの一般的な深層学習フレームワークをサポートしているので、自分が使い慣れているフレームワークを使用することができます。

構築の準備はできましたか?
AWS 深層学習 AMI を試す
ご不明な点がありますか?
お問い合わせ