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.

시작하려면 사용자 이름과 암호로 AWS Management Console에 로그인합니다. 그런 다음 검색 창에 EC2를 입력하고 EC2 서비스 콘솔을 엽니다.

2a단계: [인스턴스 시작] 버튼 선택

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.

2c단계: 세부 정보 페이지에서 [계속]을 선택합니다.

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.

2e단계: 인스턴스를 시작합니다.

[검토] 페이지에서 [시작]을 선택합니다.

2f단계: [새 키 페어 생성]을 선택하여 프라이빗 키 파일을 생성하여 안전한 위치에 다운로드합니다. 그런 다음 인스턴스를 시작합니다.

2g단계: [인스턴스 보기]를 클릭하여 인스턴스 상태를 확인합니다.

2h단계: 인스턴스의 퍼블릭 DNS를 찾아 복사합니다.

3a단계: 명령줄 터미널을 엽니다.

터미널에서 다음 명령을 사용하여 보안 키가 있는 디렉터리를 변경한 후 SSH를 사용하여 인스턴스에 연결합니다. (참고: 아래에서 굵게 표시된 텍스트를 바꿉니다.)

3b단계: 터미널에서 jupyter notebook 명령을 사용합니다. 그런 다음 표시된 URL을 복사합니다.

( 확대하려면 클릭 )

브라우저 창을 열고 마지막 단계에서 표시된 URL로 이동합니다. [새로 만들기]를 선택하고 TensorFlow, Apache MXNet and Gluon, Torch, PyTorch, Caffe, Caffe2, Keras, Theano, Microsoft Cognitive Toolkit, Chainer 등의 인기 딥 러닝 프레임워크를 사용하여 새 노트북을 시작합니다.

5a단계: EC2 콘솔로 돌아가서, 생성한 인스턴스 옆에 있는 상자를 선택합니다. 그런 다음 [작업] 버튼을 클릭하고, [인스턴스 상태]로 이동하여, [종료]를 클릭합니다.

5b단계: 종료할 것인지 묻는 메시지가 표시되면, [예, 종료합니다]를 선택합니다.

참고: 이 프로세스는 완료까지 몇 초 정도 걸릴 수 있습니다. 인스턴스가 종료되면, EC2 콘솔에서 인스턴스 상태가 [종료됨]으로 변경됩니다.

( 확대하려면 클릭 )