SageMakerWorkshop.md

Amazon SageMaker JumpStart を使ったハンズオン

(2021-11-22 更新) こちらのコンテンツからのアップデート版です https://gist.github.com/hariby/1da937a98b82274d13e724cc921f0b57

概要

Amazon SageMaker の使い方を、SageMaker JumpStart のサンプルノートブック (英語) に従って説明します。

1. 導入

• Amazon SageMaker Hands-on Workshop (60分)

2. ハンズオンワークショップ

2.1. ハンズオン環境

AWS マネージメントコンソールにログインし、SageMaker Studio (Oregon Region) を開いて下さい。 その後、各自で SageMaker Studio のユーザーを作成します。Studio にログイン後、ハンズオンでは SageMaker JumpStart を利用します。

2.2. コンテンツ

• Notebook1: Managed Spot Training for XGBoost
  • SageMaker Managed Spot Training によるコスト削減 (40分)
• Notebook2: Training and Hosting a PyTorch Model
  • Amazon SageMaker で Python スクリプトを用いた機械学習モデルのトレーニングと推論エンドポイントへのデプロイ (40分)

2.2.1. Managed Spot Training for XGBoost

SageMaker JumpStart 下部の "Example Notebooks" から "How to Use Spot Training" のノートブックを開きます。右上の "Import notebook" (オレンジ色のボタン) を押し、Notebook をコピーします。順にセルを実行します (Mac であれば、shift+return)。

2.2.2. Training and Hosting a PyTorch Model

ノートブックを開きます。 Kernel は Python 3 (PyTorch 1.4 Python 3.6 CPU Optimized), Instance は ml.t3.medium が選ばれていることを確認します。

少々書き換えが必要です。

1. データセットのダウンロードスクリプト wget https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz --quiet に --no-check-certificate オプションを付け足す。
2. estimator を作っているセルを以下のように書き換えます (SageMaker Python SDK の v1 → v2 アップデートに伴い、py_version='py3' を追記し、引数名を instance_count, instance_type に変更)。

from sagemaker.pytorch import PyTorch

estimator = PyTorch(entry_point='./cifar10.py',
                    role=role,
                    framework_version='1.4.0',
                    py_version='py3',
                    instance_count=1,
                    instance_type='ml.c5.xlarge')

estimator.fit(inputs)