19.2. Sử dụng Amazon SageMaker¶
Nhiều ứng dụng học sâu yêu cầu một lượng lớn các phép tính. Máy tính của bạn có thể quá chậm để giải quyết vấn đề này trong một khoảng thời gian hợp lý. Các dịch vụ điện toán đám mây cho phép bạn truy cập vào những máy tính mạnh mẽ hơn để chạy các phần yêu cầu GPU trong cuốn sách này. Phần này sẽ cung cấp hướng dẫn về Amazon SageMaker: một dịch vụ cho phép bạn chạy các đoạn mã nguồn trong cuốn sách này một cách dễ dàng.
19.2.1. Đăng ký và Đăng nhập¶
Đầu tiên, ta cần đăng ký tài khoản tại https://aws.amazon.com/. Chúng tôi khuyến khích sử dụng xác thực hai yếu tố để tăng cường bảo mật. Cũng là một ý tưởng tốt khi cài đặt thông tin thanh toán chi tiết và thông báo mức chi để tránh những chi phí ngoài ý muốn trong trường hợp bạn quên dừng máy ảo đang chạy. Lưu ý rằng bạn sẽ cần một thẻ tín dụng. Sau khi đăng nhập vào tài khoản AWS, đi tới bảng điều khiển của bạn và tìm kiếm từ khóa “Sagemaker” (như trong Fig. 19.2.1) rồi nhấp vào SageMaker.
Fig. 19.2.1 Mở SageMaker.¶
19.2.2. Creating a SageMaker Instance¶
–>
19.2.3. Tạo một Máy ảo SageMaker¶
Tiếp đến, hãy tạo một máy ảo notebook như đề cập trong Fig. 19.2.2.
Fig. 19.2.2 Tạo một máy ảo Sagemaker.¶
Sagemaker cung cấp đa dạng các loại máy
ảo với sức
mạnh tính toán và mức chi phí khác nhau. Khi tạo một máy ảo, ta có thể
nêu chi tiết tên máy ảo và lựa chọn loại máy ảo mong muốn. Trong
Fig. 19.2.3, ta chọn ml.p3.2xlarge. Với một
GPU Tesla V100 và một CPU 8-nhân, máy ảo này là đã đủ mạnh mẽ cho hầu
hết các chương.
Fig. 19.2.3 Chọn loại máy ảo.¶
Một phiên bản Jupyter notebook tương thích với Sagemaker có thể tìm thấy tại https://github.com/d2l-ai/d2l-en-sagemaker. Ta có thể nêu chi tiết URL của Github repository này để Sagemaker clone về trong lúc tạo máy ảo, như minh họa ở Fig. 19.2.4.
Fig. 19.2.4 Nêu chi tiết Github repository.¶
19.2.4. Chạy và Dừng một Máy ảo¶
Có thể mất vài phút để khởi động máy ảo. Khi đã khởi động xong, bạn có thể nhấp vào “Open Jupyter” như trong Fig. 19.2.5.
Fig. 19.2.5 Mở Jupyter trong máy ảo Sagemaker đã khởi tạo.¶
Sau đó, như minh họa trong Fig. 19.2.6, bạn có thể điều hướng thông qua máy chủ Jupyter đang chạy trên máy ảo này.
Fig. 19.2.6 Máy chủ Jupyter chạy trên máy ảo Sagemaker.¶
Chạy và chỉnh sửa các Jupyter notebook trên máy ảo Sagemaker cũng tương tự như những gì ta đã bàn luận ở Section 19.1. Sau khi xong việc, đừng quên dừng máy ảo để tránh bị tính thêm phí, như minh họa trong Fig. 19.2.7.
Fig. 19.2.7 Dừng một máy ảo Sagemaker.¶
19.2.5. Cập nhật Notebook¶
Các notebook bản tiếng Anh sẽ thường xuyên được cập nhật tại GitHub repo
d2l-ai/d2l-en-sagemaker.
Bạn có thể đơn giản sử dụng lệnh git pull để cập nhật phiên bản mới
nhất.
Đầu tiên, bạn cần mở một cửa sổ dòng lệnh như trong Fig. 19.2.8.
Fig. 19.2.8 Mở một cửa sổ dòng lệnh trên máy ảo Sagemaker.¶
Bạn có thể muốn commit những thay đổi được thực hiện trên máy tính trước khi kéo (pull) về những cập nhật mới. Mặt khác, bạn có thể đơn giản phớt lờ những thay đổi của bạn với những dòng lệnh sau trong cửa sổ dòng lệnh.
cd SageMaker/d2l-en-sagemaker/
git reset --hard
git pull
19.2.6. Tóm tắt¶
- Ta có thể kích hoạt và dừng một máy chủ Jupyter thông qua Amazon Sagemaker để chạy cuốn sách này.
- Ta có thể cập nhật các notebook thông qua cửa sổ dòng lệnh trên máy ảo Amazon Sagemaker.
19.2.7. Bài tập¶
- Thử thay đổi và chạy mã nguồn trong cuốn sách này trên Amazon Sagemaker.
- Truy cập vào thư mục mã nguồn thông qua cửa sổ dòng lệnh.
19.2.8. Thảo luận¶
- Tiếng Anh: Main Forum
- Tiếng Việt: Diễn đàn Machine Learning Cơ Bản
19.2.9. Những người thực hiện¶
Bản dịch trong trang này được thực hiện bởi:
- Đoàn Võ Duy Thanh
- Phạm Hồng Vinh
- Nguyễn Văn Quang
- Nguyễn Văn Cường