BLOG
Amazon SageMaker 사전 구축형 딥러닝 프레임워크 컨테이너는 이제 TensorFlow 1.5 및 Apache MXNet 1.0을 지원하게 되었으며 이 두 가지는 SageMaker ml.p3 인스턴스에서 더 빠른 성능을 위해 CUDA 9 최적화를 활용합니다. 이 기능은 성능 상의 이점 외에도 Tensorflow에서의 빠른 실행과 MXNet의 NDArrays에 대한 고급 인덱싱과 같은 업데이트된 기능에 대한 액세스를 제공합니다. 자세한 내용은 변경 로그 이곳과 이곳에 나와 있습니다.
Amazon SageMaker의 사전 구축형 딥러닝 컨테이너를 처음 사용하는 경우 우리의 저장소에서 사용 사례를 참조하십시오. 이들의 목표는 사용자가 관용적인 Tensorflow 또는 MXNet 코드를 작성한 다음 Amazon SageMaker의 분산 관리형 교육 클러스터 또는 실시간 호스팅 되는 엔드포인트에서 처리하는 코드를 보내는 것입니다. 이를 통해 노트북에 있는 데이터의 샘플에 대한 딥러닝 코드를 작성하고 테스트한 다음 다중 시스템인 GPU설정의 전체 데이터세트에서 실행되도록 쉽게 확장할 수 있는 강력하고 유연한 기능을 제공합니다.
업데이트된 컨테이너를 사용하려면 다음 단계를 따르십시오.
- pip install -U sagemaker와 SageMaker Python SDK의 최신 버전을 설치(또는 업데이트) 합니다.
- 기본적으로 새 작업은 각 프레임워크의 최신 버전을 활용합니다. 그러나 워크로드에서 이전 버전의 프레임워크를 사용해야 하는 경우에는 다음과 같이 해당 버전을 지정할 수 있습니다
MXNet의 경우:
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})
Tensorflow의 경우:
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 및 MXNet 1.0 컨테이너가 현재 미국 동부(버지니아 북쪽), 미국 동부(오하이오), 유럽 연합(아일랜드)및 미국 서부(오리건)의 AWS지역에서 사용 가능합니다.
Amazon SageMaker Python SDK를 업데이트하면, GitHub에서 사용할 수 있는 코드를 사용하여 새로 릴리스 된 컨테이너에서 향상된 기능과 성능 향상을 즉시 활용할 수 있습니다.
원문 URL: https://aws.amazon.com/ko/blogs/machine-learning/amazon-sagemaker-support-for-tensorflow-1-5-mxnet-1-0-and-cuda-9/
** 메가존 TechBlog는 AWS BLOG 영문 게재글중에서 한국 사용자들에게 유용한 정보 및 콘텐츠를 우선적으로 번역하여 내부 엔지니어 검수를 받아서, 정기적으로 게재하고 있습니다. 추가로 번역및 게재를 희망하는 글에 대해서 관리자에게 메일 또는 SNS페이지에 댓글을 남겨주시면, 우선적으로 번역해서 전달해드리도록 하겠습니다.