使用前に

Q. TensorFlow サーバ商品は何ですか?

  • TensorFlowを始めとする代表的なDeep Learning及びMachine Learning パッケージとコードを作成できるウェブ基盤のJupyter Notebookを提供して手早くDeep Learning 及びMachine Learningを実装できる商品です。
  • 提供されるサンプルコードで初級者も簡単にデータ前処理と視覚化、Machine Learning及びTensorFlowの回帰と分類モデルを経験できます。
  • "Tensorflow Server"はグーグルブレインチームが開発したオープンソースマシンラーニングソフトウェアライブラリーであるTensorflowを利用しています。

Q. どのような商品がありますか?

  • OSによって 'tensorflow-ubuntu-16.04-64-server'と 'tensorflow-centos-7.3-64' の2つの商品があります。
  • OSの差があるだけで、提供されるパッケージは同じで、特別な理由がなければより多く使われているubuntu商品を選択されることをお勧めします。

Q. どのようなパッケージが提供され、また、提供されるパッケージのみ使用できますか?

  • 基本で設置されて提供されるパッケージは約200種あり、主なパッケージリストは以下の通りです。
    tensorflow, Keras, Gensim, Pytorch, Theano
    jupyter, python, numpy, scikit-learn, scipy, seaborn, sympy
  • この他にも1000以上のCondaパッケージ及び他のパッケージを追加で設置して使用できます。
  • パッケージの設置及び管理については Jupyter Notebook使用ガイドのパッケージ管理をご参照ください。

Q. Python以外に Javaや他の言語を使用できますか?

  • TensorFlowから JavaやGo などのAPIも提供されますが安定性を保障しないので Pythonを使われることをお勧めします。

Q. TensorFlowサーバはどのように生成しますか?

  • 必要な仕様のサーバを生成して必要に応じてストレージを追加できます。
  • 月額料金制と時間料金制で請求され、サーバを生成してからアクセス環境を設定してご利用できます。
  • ウェブ基盤のJupyter Notebookを利用する際はパブリックIPを申し込んでACG設定からポートを追加します。
  • コンソールへアクセスして次の段階を通じて簡単にサーバを生成できます。

step

Q. 提供されるサーバタイプにはどのようなものがありますか?

  • NAVERクラウドプラットフォームから提供されるTensorFlowのサーバタイプはStandard, High Memory, GPUに分かれます。それぞれのサーバタイプ別特徴は以下の通りです。

  • Standard: 多様なITビジネスに活用できるNAVERクラウドプラットフォームサービスの標準サーバです。バランスの取れたサーバ仕様を提供し、高い可用性と安定性を誇ります。

  • High Memory: 64GB以上の高メモリーサーバで、メモリー性能に大いに影響を受けるアプリを運営する場合に適しています。High Memory サーバは最大10台まで生成でき、お客様サポートにリクエストされれば台数制限を調整致します。
  • CPU Intensive: Intel Xeon プロセッサーに AVX512 Vector 演算に最適にビルドされたTensorFlowが搭載され、高性能が求められるディープラーニングワークロード処理に適しています。当該CPU Typeは現在Ubuntu 16.04 OSのみサポートします。
  • GPU: 最新TESLAアーキテクチャ(P40) GPUが装着されたサーバで、速いデータ処理が必要な環境に適しています。最大5台まで生成でき、お客様サポートにリクエストされれば台数制限を調整致します。

Q. TensorFlow サーバ商品を生成しましたが、コード作成はどこですればいいですか?

  • TensorFlowコードはJupyter Notebookから作成できます。ACGに18888ポートを追加してからウェブブラウザから [パブリック IPアドレス:18888]にアクセスしてください。
  • 'samples' フォルダにデータ処理と視覚化及びTensorFlowの例のファイルがありますのでデータ分析を初めてお使いの方はご参照ください。

Q. TensorBoardはどのように使うのですか?

  • ACGに18889ポートを追加してからウェブブラウザから[パブリックIPアドレス:18889]にアクセスしてください。('アクセス環境の設定' を参照).
  • Jupyter 基本ルート(/home/ncp/workspace)の 下にtensorboardディレクトリが生成されているので tensorflowコードからtensorboardディレクトリをログディレクトリに指定して使用してください。

Q. Jupyter Notebookにアクセスできません。

  • Jupyter Notebookを使用するためにはパブリックIPアドレスを申し込んでサーバに割り当てる必要があり、ACGに18888ポートが追加されていなければなりません。('アクセス環境の設定' を参照)
  • パブリックIPアドレスとACGを確認した後もアクセスできない場合、Jupyterプロセスが停止した状態の可能性がありますが、ターミナルから 'jup restart' 命令語を実行してプロセスを再度始めてください。('Jupyterプロセスの管理' を参照).

TensorFlow Server商品のご紹介

TensorFlowサーバ商品はデータ分析専門家が最も多く利用するTensorFlowを始めとして代表的なDeep LearningとMachine Learningパッケージを設置型で提供する商品です。

データ前処理、視覚化、自然語の処理、Machine LearningとDeep Learningパッケージが提供されるため、ほとんどの分析業務を担うことができ、必要な場合は Jupyter NotebookからGUIやコンソール命令語を用いて簡単にパッケージを追加で設置したりアップグレードできます。

ウェブ基盤のJupyter Notebookを通じてどこでも同じ分析環境で業務を実行できるようにし、分析結果をすぐ確認して他の人と簡単に共有できます。

また、管理スクリプトを提供し、ターミナル環境から簡単にJupyterプロセスを管理できるようにしてくれます。

それだけでなく、分析業務を初めて行おうとする初級分析家のためにデータ探索と視覚化だけでなく、Scikit-Learnを使った回帰、分類、クラスタリングのようなMachine LearningとKeras及び TensorFlowを利用したDeep Learningの回帰と分類例を提供します。

TensorFlowサーバの生成

Step 1. コンソールへアクセス

コンソールへアクセスしてServer > Server メニューを選択します。

① サーバを生成するために サーバを生成ボタンをクリックします。

Step 2. サーバイメージの選択

TensorFlow サーバイメージを選択してサーバを生成します。

① Tensorflowイメージを選択します。

  • 'tensorflow-ubuntu-16.04-64-server'または 'tensorflow-centos-7.3-64', 2つの商品は OSの差があるだけで提供されるパッケージは同じで、特別な理由がなければより多く使われているubuntu商品を選択されることをお勧めします。

[次へ] ボタンをクリックします。

③ ポップアップウィンドウの案内(Jupyter Notebook使用のためのパブリックIPアドレスと ACG申請, Jupyterパスワードの変更)を確認します。

確認 ボタンをクリックしてポップアップウィンドウを閉じます。

Step 3. サーバの設定

ストレージ種類、サーバタイプ、料金制、Zoneを選択してサーバ名を入力します。

① Zoneを選択します。

  • 現在提供されるZoneは ‘KR-1’,‘KR-2’があります。

② ブーティングストレージに使用するストレージ種類を選択します。

  • 高性能I/Oが必要なサービスにはSSDを、一般的なサービスにはHDDを選択してください。但し、ブーティングストレージがSSDの場合のみ追加ストレージにSSDを利用できます。

③ 必要なサーバタイプを選択します。

  • 一部のサーバスペックはブーティングディスクタイプによってサポートされないこともあります。
  • 使用目的によってStandard, High Memory, GPU サーバタイプの中から1つを選択してください。

④ 料金制は月額料金制または時間料金制の中から選択できます。

⑤ サーバ名を入力します。

  • お客様がサーバを区別するための名称ですので重複して使用できません。

[次へ] ボタンをクリックします。

Step 4. 認証キーの設定

保有している認証キーがある場合’保有している認証キーを利用’を選択し、ない場合は以下の手続きで新たな認証キーを生成します。

新たな認証キーを生成を選択します。

② 認証キー名を入力します。

認証キーを生成及び保存 ボタンをクリックしてローカルパソコンに認証キーファイルを保存します。

  • 新たな認証キーを発行します。
  • 保存した認証キーはお客様パソコンの安全な位置に保管してください。
  • 認証キーは最初の管理者パスワードを呼び出す際に使います。

[次へ] ボタンをクリックします。

Step 5. ファイアウォールの設定

保有しているACGを利用したり、新規ACGを生成し、ファイアウォールを設定できます。

まず、保有しているACGを利用してファイアウォールを設定する場合です。

① ACGは必須選択事項で、基本で提供される ‘ncloud-default-acg’を含めて保有しているACGの中から1つを選択します。

  • 保有しているACGは最大5個まで選択できます。
  • 必須でACGを選択すると [次へ] ボタンが有効になり設定を進めることができます。

② 保有しているACG以外に新規ACGを生成して設定したい時は新規 ACGを生成を選択します。

[次へ] ボタンをクリックします。

新たなACGを生成してファイアウォールを設定する方法は以下の通りです。

① 新規ACGの生成から ACGを生成 ボタンをクリックします。

② ACG 名を入力します。

③ ACG 設定からプロトコル、アクセスソース、許可ポートを入力して生成します。

  • プロトコル: TCP, UDP, ICMPから選択
  • アクセスソース: IPアドレスまたはACG名を入力
  • 許可ポート: 単一ポートまたは範囲を指定

  • ターミナルにアクセスするためにはアクセスしようとするサーバのACGにSSH 'TCP/22'に関するルールが設定されている必要があり、jupyter notebook 使用のためには'TCP/18888'ルールが、TensorBoard使用のためには'TCP/18889' ルールが追加で設定されていなければなりません。

  • ルールを追加する際はプロトコル、アクセスソース、許可ポートを記載して 追加 ボタンをクリックします。

④ 22と18888, 18889 ポートが全て追加されたら [生成] ボタンをクリックします。

Step 6. 最終確認

設定した内容を最終確認します。

① サーバイメージ、サーバ、認証キー、 ACGが正常に設定されたか確認します。

② 最終確認が終わったら サーバを生成 ボタンをクリックします。

  • サーバが生成されるまでは数分から数十分かかります。

サーバリストから確認

生成したサーバをリストから確認します。

① 生成されたサーバがリストに表示されます。

② サーバが生成されてパッケージが設置完了し、サーバの状態が 運営中になるまでお待ちください。

アクセス環境の設定

パブリック IPアドレス使用のお申込み

jupyter notebookを使用するためには必ずパブリックIPアドレスを利用してアクセスする必要があり、パブリックIPアドレスの使用に対して別途料金が請求されます。

① 左側メニューから Public IP メニューを選択します。

② パブリックIPの割り当てを受けるためには パブリック IPのお申込み ボタンをクリックします。

適用サーバを選択からパブリックIPアドレスを割り当てるtensorflowサーバを選択します。

確認ボタンをクリックします。

⑤ 適用サーバ名を確認して再度 確認 ボタンをクリックします。

ポートフォワーディングの設定

ターミナルプログラム(Puttyなど)でサーバにアクセスするためにはポートフォワーディングを設定する必要があります。

① 左側メニュー からServerメニューを選択します。

② サーバにアクセスするためには ポートフォワーディングを設定をクリックします。

③ ポートフォワーディングの設定画面から外部ポート番号を設定します。外部ポート番号の入力範囲は1024~65,534で、サーバアクセスのための機能以外にサービス用途では使用できません。
(内部ポート番号は22に定まっています。)

追加 ボタンをクリックすると設定内訳が下段に追加され、[修正], [削除] ボタンをクリックして設定内訳を修正、削除できます。

適用 ボタンをクリックすると設定した外部ポートにターミナルプログラムを利用してSSHアクセスできます。

ACG設定

ACGにターミナルアクセスSSH('TCP/22') 及び Jupyter Notebook('TCP/18888')ルールと必要な場合に TensorBoard('TCP/18889')ルールを追加します。

サーバ生成の際にルールを既に追加した場合はこの段階のACG設定作業を実行する必要がありません。

① 左側メニューから [ACG] メニューを選択します。

② サーバ生成の際に選択したACGを選択して上段の‘ACGを設定'を選択します。

③ ACG ルール設定からプロトコル、アクセスソース、許可ポートを入力して生成します。

  • プロトコル: TCP, UDP, ICMPから選択
  • アクセスソース: IPアドレスまたはACG名を入力
  • 許可ポート: 単一ポートまたは範囲指定

  • ターミナルをアクセスするためにはアクセスしようとするサーバのACGにSSH 'TCP/22'に対するルールが設定されている必要があり、jupyter notebook 使用のためには'TCP/18888' ルールが、TensorBoard使用のためには'TCP/18889'ルールが追加で設定されていなければなりません。

  • ルールを追加するためにはプロトコル、アクセスソース、許可ポートを記載して 追加をクリックします。

④ 設定が完了したら 適用 ボタンをクリックします。

詳細情報タブから詳細な情報を確認でき、ルールをみる タブからは設定したルールを確認できます。

管理者パスワードの確認

ターミナルプログラム(Putty など)からサーバにアクセスするためには管理者のパスワードが必要です。

① 左側メニューから Serverメニューを選択します。

② 当該サーバを選択して、サーバ管理及び設定の変更から 管理者パスワードを確認を選択します。

Drop files here or click to upload ボタンをクリックしてサーバ生成の際に個人パソコンに保存した認証キーファイル(.pem)を添付します。

④ 添付してから パスワードを確認 ボタンをクリックするとターミナルプログラムから最初のサーバアクセスの際に使用するパスワードを取得できます。

  • サーバにアクセスしてからは管理者が覚えられるパスワードに変更されて使用されることをお勧めします。

ターミナルアクセス

ターミナルプログラム(Putty など)でサーバにアクセスしてJupyterのパスワードを変更する必要があります。

提供される管理スクリプトを通じて簡単にパスワードを変更し、 Jupyterプロセスを管理できます。

ターミナルプログラムでサーバアクセス

① ターミナルプログラム(Puttyなど)を実行します。

② サーバリストまたは内容をみるから確認した 'サーバアクセス用パブリックIP'と'外部ポート'の値を入力して Open ボタンをクリックするとサーバにアクセスできます。

  • サーバアクセス用パブリック IPの確認: コンソール > サーバ > サーバリストからサーバを選択して [内容をみる]からポートフォワーディング情報の ‘サーバアクセス用パブリックIP’
  • 外部ポート番号の確認: コンソール> サーバ> サーバリストからサーバを選択して [内容をみる]からポートフォワーディング情報の ‘外部ポート’

③ ユーザー情報及びパスワードを入力してログインします。

  • login as: root
  • password: 上で確認した管理者パスワード

④ ログイン後には root アカウントのパスワードを覚えやすいパスワードに変更されることをお勧めします。 'passwd root' 命令語を入力して新たなパスワードを入力します。

Jupyter パスワードの変更

Jupyter Notebookで使う初期パスワードはサーバ名で設定されているので、セキュリティ侵害の防止のために提供されるスクリプトを通じてパスワードを変更してください。

① ターミナルから 'jup passwd'を入力してパスワードを変更します。

  • 最初のパスワードを確認: コンソール >サーバ >サーバリストで ‘サーバ名’と同じ

  • パスワードは英文字、数字、特殊文字を全て含めている必要があり、8字以上でなければなりません。

  • パスワードの変更スクリプトを実行する場合は自動で Jupyterプロセスがリスタートします。

Jupyter プロセス管理

環境設定ファイルを変更する場合などJupyter プロセスをリスタートする必要がある場合、提供されるスクリプトを通じてプロセスを停止するかリスタートできます。

① Jupyter プロセスを停止: $ jup stop

② Jupyter プロセスを開始: $ jup start

③ Jupyter プロセスを停止&開始: $ jup restart

TensorBoard プロセス管理

サーバを生成して初めて TensorBoard プロセスを開始したり、プロセスをリスタートする必要がある場合、提供されるスクリプトを通じてプロセスを開始したり停止できます。

① TensorBoard プロセスを停止: $ jup tb-stop

② TensorBoard プロセスを開始: $ jup tb-start

関連情報へショートカット

以下のガイドを通じてより多様で豊かな関連情報を確認できます。

に対する検索結果は~件です。 ""

    に対する検索結果がありません。 ""

    処理中...