AWS Deep Learning AMI 시작
Amazon EC2 사용
이 단계별 자습서에서는 AWS Deep Learning AMI를 시작하는 방법을 배웁니다. AMI는 몇 분 안에 간편하게 딥 러닝을 시작할 수 있도록 딥 러닝 프레임워크와 함께 로드되는 시스템 이미지입니다.
AMI를 사용하면 사용자 지정 모델을 훈련하고, 새로운 알고리즘을 실험하고, 새로운 딥 러닝 기술 및 기법을 배울 수 있습니다. AMI는 TensorFlow, Apache MXNet, PyTorch, Chainer, Microsoft Cognitive Toolkit, Caffe, Caffe2, Theano, Keras 등 Amazon EC2 인스턴스에서 고성능을 제공하도록 최적화된 사전 설치된 오픈 소스 딥 러닝 프레임워크와 함께 제공됩니다. 또한 AMI는 사전 구성된 드라이버를 통해 GPU 및 CPU 가속화를 제공하며 인기 있는 Python 패키지와 함께 제공됩니다.
다음 몇 분 동안 딥 러닝 AMI를 사용하여 EC2 인스턴스를 시작하고, SSH를 통해 인스턴스에 연결하고, 워크스테이션에서 Jupyter 노트북에 액세스합니다.
이 자습서를 수행하는 비용은 기본 EC2 인스턴스에 대해 청구됩니다. 종료할 때까지 시간당 0.13 USD의 비용이 발생하는 EC2 C5.large 인스턴스를 사용하는 것이 좋습니다. 이 자습서에서는 인스턴스를 종료하여 불필요한 요금을 방지하는 방법을 설명합니다.
이 자습서를 사용하려면 AWS 계정이 필요합니다.
1단계: EC2 콘솔 열기
시작하려면 사용자 이름과 암호로 AWS Management Console에 로그인합니다. 그런 다음 검색 창에 EC2를 입력하고 EC2 서비스 콘솔을 엽니다.
2단계: 인스턴스 구성
이 단계에서는 시스템 이미지를 사용하여 딥 러닝을 지원할 서버 인스턴스를 설정합니다.
2b단계: AWS Deep Learning AMI 선택
왼쪽에서 [AWS Marketplace] 탭을 선택한 후 deep learning ubuntu를 검색합니다. [Deep Learning AMI(Ubuntu)]를 선택합니다. Base AMI를 선택하여 딥 러닝 프레임워크의 사용자 지정 빌드를 설정할 수도 있습니다. 두 AMI를 모두 Ubuntu 또는 Amazon Linux에 사용할 수 있습니다.
2d단계: 인스턴스 유형을 선택합니다.
딥 러닝 훈련 및 배포 요구 사항을 지원할 인스턴스 유형을 선택한 후 [검토 및 시작]을 클릭합니다. 여기서는 c5.large 인스턴스를 사용했지만 GPU 기반 P3 인스턴스를 비롯한 추가 인스턴스 유형 중에서 선택할 수도 있습니다.
3단계: 인스턴스에 연결
여기서는 명령줄 터미널을 사용하여 AWS의 인스턴스와 커뮤니케이션합니다. Windows를 사용하는 경우 명령 프롬프트를 사용하거나 Git for Windows를 다운로드합니다.
3a단계: 명령줄 터미널을 엽니다.
터미널에서 다음 명령을 사용하여 보안 키가 있는 디렉터리를 변경한 후 SSH를 사용하여 인스턴스에 연결합니다. (참고: 아래에서 굵게 표시된 텍스트를 바꿉니다.)
cd /Users/your_username/Downloads/
chmod 0400 <your .pem filename>
ssh -L localhost:8888:localhost:8888 -i <your .pem filename> ubuntu@<your instance DNS>
4단계: Jupyter 노트북 액세스
이 단계에서는 Jupyter 노트북에 액세스하여 딥 러닝 프레임워크 사용을 시작합니다. Windows 클라이언트에서 Jupyter 노트북에 연결하는 경우 여기에 나열된 단계를 따르면 됩니다.
5단계: 인스턴스 종료
작업을 마친 후 인스턴스는 EC2 콘솔에서 간편하게 종료할 수 있습니다. 사용하지 않는 인스턴스를 종료하여 더는 비용이 부과되지 않도록 하는 것이 모범 사례입니다.
축하합니다!
AWS Deep Learning AMI를 시작했으므로, 원하는 딥 러닝 프레임워크를 사용하여 컴퓨터 비전, 자연어 처리, 추천 시스템 등에 대한 자습서를 손쉽게 실행할 수 있습니다. 즐거운 모델화 작업을 해보십시오!