Skip to content

whitesoil/amathon-sagemaker

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

15 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Amazon SageMaker 를 활용하여 MNIST 머신러닝 맛보기

Amathon 2018 advance education

0. 세션목표

  1. Amazon SageMaker 인스턴스를 생성하여본다.
  2. SageMaker를 활용해 머신러닝을 공부해본다.
  3. SageMaker를 사용해 모델을 배포하여본다.

1. Amazon SageMaer

  • Jupyter 노트북 지원
  • 구축, 학습, 배포의 단계를 모두 지원
  • 머신러닝 알고리즘 내장
  • 딥러닝 프레임워크 내장 (Tensorflow, MXNet, PyTorch, ...)
  • 생각보다 빠름(?), 평범한 컴퓨터 보다는 빠르다.
  • 인스턴스 초당 과금 체계
  • 단점 : 인스턴스가 가격이 조금 나간다...

2. Amazon SageMaker 인스턴스 실행하기.

1) AWS 서울리전 접속 및 Amazon SageMaker 대시보드 들어가기

Neural

2) 인스턴스 생성하기

  1. 좌측의 목록에서 노트북 인스턴스 를 클릭합니다.
  2. 이동한 창에서 우측상단 노트북 인스턴스 생성 버튼을 클릭합니다.

Neural

3. 인스턴스 이름 : amathon-{이름}-sagemaker 4. 노트북 인스턴스 유형 : ml.t2.medium 5. IAM 역할 -> 새 역할 생성 -> 모든 S3 버킷 선택 -> 역할 생성

Neural

6. 다시한번 IAM역할 클릭 -> 기존역할사용의 생성된 역할 선택 7. 노트북 인스턴스 생성

3) 인스턴스 실행하기

  1. 생성된 인스턴스의 이름 클릭
  2. 우측 상단의 열기 를 클릭하여 Jupyter notebook 실행

Neural

3. 우측 상단의 ***NEW*** 클릭 4. 드랍박스에서 ***Terminal*** 클릭

Neural

5. 터미널에 다음 순서대로 타이핑
cd SageMaker

git clone https://github.com/whitesoil/amathon-sagemaker.git

pip install import_ipynb
  1. 다운로드가 완료되면 터미널 창 종료
  2. 다시 Jupyter notebook으로 복귀
  3. amathon-sagemaker -> Chapter_01.ipynb 열기

3. S3 Bucket 생성하기

  1. AWS콘솔 창에서 S3 대시보드에 들어간다.
  2. 버킷만들기 클릭
  3. 버킷이름 : amathon-{이름}-s3
  4. 생성 버튼 클릭

About

Amathon 2018 advance education

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published