翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# Deep Learning AMI with Conda の使用
**Topics**
+ [Deep Learning AMI with Conda の概要](#tutorial-conda-overview)
+ [DLAMI にログインする](#tutorial-conda-login)
+ [TensorFlow 環境を開始する](#tutorial-conda-switch-tf)
+ [PyTorch Python 3 環境に切り替える](#tutorial-conda-switch-pytorch)
+ [環境を削除する](#tutorial-conda-remove-env)
## Deep Learning AMI with Conda の概要
Conda は、Windows、macOS、および Linux で稼働するオープンソースのパッケージ管理システムおよび環境管理システムです。Conda では、パッケージとその依存関係を迅速にインストール、実行、および更新できます。また、ローカルコンピュータ上で簡単に環境を作成、保存、ロードし、環境を切り替えることができます。
Deep Learning AMI with Conda は、深層学習環境を簡単に切り替えられるように設定されています。次に示す手順では、`conda` での基本的なコマンドを説明します。これらのコマンドは、フレームワークの基本インポートが機能していることや、フレームワークでいくつかの簡単な操作を実行できることの確認にも役立ちます。その後、DLAMI で提供されているより詳細なチュートリアルや、各フレームワークのプロジェクトサイトにあるフレームワークの例に進むことができます。
## DLAMI にログインする
サーバーにログインすると、サーバーの「その日のメッセージ (MOTD)」が表示され、さまざまなディープラーニングフレームワークを切り替えるための各種の Conda コマンドが示されます。以下に MOTD の例を示します。新しいバージョンの DLAMI がリリースされる事により、場合によっては特定の MOTD が異なる場合があります。
```
=============================================================================
AMI Name: Deep Learning OSS Nvidia Driver AMI (Amazon Linux 2) Version 77
Supported EC2 instances: G4dn, G5, G6, Gr6, P4d, P4de, P5
* To activate pre-built tensorflow environment, run: 'source activate tensorflow2_p310'
* To activate pre-built pytorch environment, run: 'source activate pytorch_p310'
* To activate pre-built python3 environment, run: 'source activate python3'
NVIDIA driver version: 535.161.08
CUDA versions available: cuda-11.7 cuda-11.8 cuda-12.0 cuda-12.1 cuda-12.2
Default CUDA version is 12.1
Release notes: https://docs.aws.amazon.com/dlami/latest/devguide/appendix-ami-release-notes.html
AWS Deep Learning AMI Homepage: https://aws.amazon.com/machine-learning/amis/
Developer Guide and Release Notes: https://docs.aws.amazon.com/dlami/latest/devguide/what-is-dlami.html
Support: https://forums.aws.amazon.com/forum.jspa?forumID=263
For a fully managed experience, check out Amazon SageMaker at https://aws.amazon.com/sagemaker
=============================================================================
```
## TensorFlow 環境を開始する
**注記**
初めて Conda 環境を起動する際には、ロードするまで辛抱して待機してください。Deep Learning AMI with Conda は、EC2 インスタンスにフレームワークの最初のアクティベーションから最適化されたフレームワークのバージョンを自動的にインストールします。継続する遅延はありません。
1. Python 3 用の TensorFlow 仮想環境を有効化します。
```
$ source activate tensorflow2_p310
```
1. iPython ターミナルを起動します。
```
(tensorflow2_p310)$ ipython
```
1. クイック TensorFlow プログラムを実行します。
```
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
```
"Hello, Tensorflow\$1" が表示されます。
**次回の予定**
[Jupyter ノートブックチュートリアルを実行する](tutorial-jupyter.md)
## PyTorch Python 3 環境に切り替える
iPython コンソールをまだ使用している場合は、`quit()` を使用して、環境を切り替える準備を整えます。
+ Python 3 用の PyTorch 仮想環境を有効化します。
```
$ source activate pytorch_p310
```
### PyTorch コードをテストする
インストール環境をテストするには、配列を作成および出力する PyTorch コードを Python で作成します。
1. iPython ターミナルを起動します。
```
(pytorch_p310)$ ipython
```
1. PyTorch をインポートします。
```
import torch
```
サードパーティー製パッケージに関する警告メッセージが表示される場合があります。このメッセージは無視できます。
1. 各要素をランダムに初期化して、5x3 行列を作成します。配列を出力します。
```
x = torch.rand(5, 3)
print(x)
```
結果を確認します。
```
tensor([[0.3105, 0.5983, 0.5410],
[0.0234, 0.0934, 0.0371],
[0.9740, 0.1439, 0.3107],
[0.6461, 0.9035, 0.5715],
[0.4401, 0.7990, 0.8913]])
```
## 環境を削除する
DLAMI にスペースが足りない場合、使用していない Conda パッケージをアンインストールすることを選択できます。
```
conda env list
conda env remove –-name
```