소개

이번에는 Amazon SageMaker Studio을 시도합니다.
기계 학습을 위한 통합 개발 환경을 시작하고 샘플 코드를 실행합니다.

초기 설정

AWS Management Console에서 Amazon SageMaker > SageMaker Domain을 엽니다.

빠른 시작 필드의 IAM 역할을 설정합니다.

다음 화면에서 VPC를 설정합니다.

시작

초기 설정 후 잠시 기다립니다.

사용자가 표시되면 Studio 열기를 클릭합니다.

샘플 코드 실행

Studio를 연 직후 Launcher 탭이 나타납니다.

Launcher 탭의 맨 아래에 있는 System terminal을 클릭하여 터미널 탭을 엽니다.

샘플 코드를 가져옵니다. 이번에는 amazon-sagemaker-examples을 받았습니다.

ipynb 파일을 열고 코드에 초점을 맞추고 화면 상단의 ▶ 버튼을 클릭하여 코드를 실행할 수 있습니다.

TensorFlow 자습서 사용

TensorFlow 튜토리얼의 코드를 가져옵니다. tensorflow/docs-l10n

새 노트북을 엽니다.

필요한 패키지를 설치합니다.

자습서 코드를 엽니다. 방금 검색한 파일에서 site/ko/hub/tutorials/image_enhancing.ipynb을 선택합니다.

코드에 초점을 맞추고 화면 상단의 ▶ 버튼을 클릭하여 코드를 실행할 수 있습니다.

종료

File > Shut Down을 클릭합니다.

"Server stopped"의 표시가 나오므로, 페이지를 닫습니다.

끝에

SageMaker Studio를 사용해 보았습니다.
자동 종료 확장을 사용하여 Amazon SageMaker Studio 비용을 절감하는 방법 가 소개되고 있으므로, 향후 시험해 가려고 합니다.
참고 자료
SageMaker Studio를 도쿄 리전에서 사용할 수 있습니다. #SageMaker
Amazon SageMaker Studio를 사용하여 머신 러닝 시도
Amazon SageMaker란?
Amazon SageMaker FAQ
Amazon SageMaker Examples
ESRGAN을 사용한 이미지 초해상도
【입문】기계 학습에 1시간으로 코드 레벨까지 입문하는 방법 #Keras #SageMakerStudio