19.2. Amazon SageMaker’ı Kullanma
Open the notebook in Colab
Open the notebook in Colab
Open the notebook in Colab
Open the notebook in SageMaker Studio Lab

Birçok derin öğrenme uygulaması önemli miktarda hesaplama gerektirir. Yerel makineniz bu sorunları makul bir süre içinde çözmek için çok yavaş olabilir. Bulut bilgi işlem hizmetleri, bu kitabın GPU yoğun bölümlerini çalıştırmak için daha güçlü bilgisayarlara erişmenizi sağlar. Bu eğitim Amazon SageMaker aracılığıyla size rehberlik edecektir: Bu kitabı kolayca çalıştırmanızı sağlayan bir hizmet.

19.2.1. Kaydolma ve Oturum Açma

Öncelikle, https://aws.amazon.com/ adresinde bir hesap kaydetmemiz gerekiyor. Ek güvenlik için iki etkenli kimlik doğrulaması kullanmanızı öneririz. Çalışan herhangi bir örneği durdurmayı unutmanız durumunda beklenmedik sürprizlerden kaçınmak için ayrıntılı faturalandırma ve harcama uyarıları ayarlamak da iyi bir fikirdir. Kredi kartına ihtiyacınız olacağını unutmayın. AWS hesabınıza giriş yaptıktan sonra konsol - console’unuza gidin ve “SageMaker” öğesini arayın (bkz. Fig. 19.2.1) ardından SageMaker panelini açmak için tıklayın.

../_images/sagemaker.png

Fig. 19.2.1 SageMaker panelini açın.

19.2.2. SageMaker Örneği Oluşturma

Ardından, Fig. 19.2.2 içinde açıklandığı gibi bir not defteri örneği oluşturalım.

../_images/sagemaker-create.png

Fig. 19.2.2 SageMaker örneği oluştur

SageMaker çoklu örnek türleri - instance types farklı hesaplama gücü ve fiyatları sağlar. Bir örnek oluştururken, örnek adını belirtebilir ve türünü seçebiliriz. Fig. 19.2.3 içinde ml.p3.2xlarge’i seçiyoruz. Bir Tesla V100 GPU ve 8 çekirdekli CPU ile, bu örnek çoğu bölüm için yeterince güçlüdür.

../_images/sagemaker-create-2.png

Fig. 19.2.3 Örnek türü seç.

mxnetpytorchtensorflow

SageMaker’a uyan bu kitabın Jupyter not defteri versiyonu https://github.com/d2l-ai/d2l-en-sagemaker adresinde mevcuttur. Bu GitHub deposu URL’sini SageMaker’ın örnek oluşturması esnasında Fig. 19.2.4 içinde gösterildiği gibi klonlamasına izin vermek için belirtebiliriz.

SageMaker’a uyan bu kitabın Jupyter not defteri versiyonu https://github.com/d2l-ai/d2l-en-sagemaker adresinde mevcuttur. Bu GitHub deposu URL’sini SageMaker’ın örnek oluşturması esnasında Fig. 19.2.4 içinde gösterildiği gibi klonlamasına izin vermek için belirtebiliriz.

SageMaker’a uyan bu kitabın Jupyter not defteri versiyonu https://github.com/d2l-ai/d2l-en-sagemaker adresinde mevcuttur. Bu GitHub deposu URL’sini SageMaker’ın örnek oluşturması esnasında Fig. 19.2.4 içinde gösterildiği gibi klonlamasına izin vermek için belirtebiliriz.

../_images/sagemaker-create-3.png

Fig. 19.2.4 GitHub deposunu belirtme.

19.2.3. Bir Örneği Çalıştırma ve Durdurma

Örnek hazır olması birkaç dakika sürebilir. Hazır olduğunda, Fig. 19.2.5’ içinde gösterildiği gibi “Jupyter’ı Aç - Open Jupyter” bağlantısını tıklayabilirsiniz.

../_images/sagemaker-open.png

Fig. 19.2.5 Oluşturulan SageMaker örneğinde Jupyter Aç.

Daha sonra, Fig. 19.2.6 içinde gösterildiği gibi, bu örnekte çalışan Jupyter sunucusunda gezinebilirsiniz.

../_images/sagemaker-jupyter.png

Fig. 19.2.6 SageMaker örneğinde çalışan Jupyter sunucusu.

SageMaker örneğinde Jupyter not defterlerinin çalıştırılması ve düzenlenmesi, Section 19.1 içindeki tartıştığımıza benzer. Çalışmanızı bitirdikten sonra, Fig. 19.2.7 içinde gösterildiği gibi daha fazla ödemeyi önlemek için örneği durdurmayı unutmayın.

../_images/sagemaker-stop.png

Fig. 19.2.7 Bir SageMaker örneğini durdurma.

19.2.4. Not Defterlerini Güncelleme

mxnetpytorchtensorflow

Not defterlerini d2l-ai/d2l-en-sagemaker GitHub deposunda düzenli olarak güncelleyeceğiz. En son sürüme güncellemek için git pull komutunu kullanabilirsiniz.

Not defterlerini d2l-ai/d2l-pytorch-sagemaker GitHub deposunda düzenli olarak güncelleyeceğiz. En son sürüme güncellemek için git pull komutunu kullanabilirsiniz.

Not defterlerini d2l-ai/d2l-tensorflow-sagemaker GitHub deposunda düzenli olarak güncelleyeceğiz. En son sürüme güncellemek için git pull komutunu kullanabilirsiniz.

Öncelikle, Fig. 19.2.8 içinde gösterildiği gibi bir terminal açmanız gerekir.

../_images/sagemaker-terminal.png

Fig. 19.2.8 SageMaker örneğinde bir terminal açma

Güncelleştirmeleri çekmeden önce yerel değişikliklerinizi tamamlamak isteyebilirsiniz. Alternatif olarak, terminaldeki aşağıdaki komutlarla tüm yerel değişikliklerinizi görmezden gelebilirsiniz.

mxnetpytorchtensorflow
cd SageMaker/d2l-en-sagemaker/
git reset --hard
git pull

cd SageMaker/d2l-pytorch-sagemaker/
git reset --hard
git pull

cd SageMaker/d2l-tensorflow-sagemaker/
git reset --hard
git pull

19.2.5. Özet

  • Bu kitabı çalıştırmak için Amazon SageMaker aracılığıyla bir Jupyter sunucusunu başlatabilir ve durdurabiliriz.

  • Not defterlerini Amazon SageMaker örneğindeki terminal üzerinden güncelleyebiliriz.

19.2.6. Alıştırmalar

  1. Amazon SageMaker kullanarak bu kitaptaki kodu düzenlemeyi ve çalıştırmayı deneyin.

  2. Terminal üzerinden kaynak kod dizinine erişin.

Tartışmalar