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。
# Jupyter ノートブックチュートリアルを実行する
各深層学習プロジェクトにはチュートリアルと例が付属しています。ほとんどの場合、それらはすべての DLAMI で実行することができます。[Deep Learning AMI with Conda](overview-conda.md) を選択した場合は、厳選されたチュートリアルが既にセットアップされ、すぐに試すことができるという利点があります。
**重要**
DLAMI にインストールされている Jupyter ノートブックチュートリアルを実行するには、[DLAMI インスタンスでの Jupyter Notebook サーバーの設定](setup-jupyter.md)の内容を実行する必要があります。
Jupyter サーバー実行されたら、ウェブブラウザからチュートリアルを実行できます。Deep Learning AMI with Conda を実行している場合や、Python 環境をセットアップしている場合は、Jupyter ノートブックのインターフェイスから Python カーネルを切り替えることができます。フレームワーク固有のチュートリアルを実行する前に、適切なカーネルを選択してください。これに関するその他の例が Deep Learning AMI with Conda のユーザー向けに提供されています。
**注記**
多くのチュートリアルでは追加の Python モジュールが必要になりますが、それらが DLAMI にセットアップされていない可能性があります。`"xyz module not found"` などのエラーが発生した場合は、DLAMI にログインし、上記を参考に環境をアクティブ化して、必要なモジュールをインストールしてください。
**ヒント**
ディープラーニングのチュートリアルや例の多くは、1 つ以上の GPU を必要とします。GPU を使用しないインスタンスタイプの場合、例のコードを実行するために、コードを一部変更することが必要になる可能性があります。
## インストールされたチュートリアルを操作する
Jupyter サーバーにログインしてチュートリアルディレクトリが表示されると (Deep Learning AMI with Conda 上のみ)、各フレームワークの名前別に整理されたチュートリアルのフォルダを確認できます。フレームワークのリストが表示されない場合は、現在の DLAMI で、そのフレームワークのチュートリアルが提供されていないことを示しています。フレームワークの名前をクリックし、リストされているチュートリアルを確認して、チュートリアルをクリックして起動します。
Deep Learning AMI with Conda でノートブックを初めて実行すると、使用する環境を指定するよう求められます。選択のためのリストがプロンプトで表示されます。それぞれの環境は、以下のパターンに従って命名されています。
`Environment (conda_framework_python-version)`
たとえば、"`Environment (conda_mxnet_p36)`" と表示された場合は、環境に MXNet と Python 3 が存在しています。別のバリエーションとして "`Environment (conda_mxnet_p27)`" があります。この場合は環境に MXNet と Python 2 が存在しています。
**ヒント**
アクティブ化される CUDA のバージョンについて不明な点がある場合は、最初に DLAMI にログインする際の MOTD で確認できます。
## Jupyter で環境を切り替える
別のフレームワークのチュートリアルを試す場合は、現在実行中のカーネルを検証する必要があります。この情報は、Jupyter のインターフェイスの右上、ログアウトボタンの真下に表示されます。開いているノートブックでカーネルを変更するには、Jupyter のメニュー項目を [**Kernel**]、[**Change Kernel**] の順にクリックして、実行中のノートブックに適合する環境をクリックします。
カーネルに変更が加わると、これまでに実行したすべての項目の状態が消去されるため、この時点ですべてのセルを再度実行することが必要になります。
**ヒント**
フレームワークの切り替えは、興味深くさまざまな情報も入手できる操作ですが、メモリ不足が発生する可能性があります。エラーが表示されるようになったら、実行中の Jupyter サーバーが表示されているターミナルウィンドウを確認してください。参考になるメッセージやエラーログをここで確認でき、メモリ不足のエラーもここに表示されます。この問題を修正するには、Jupyter サーバーのホームページにアクセスして、バックグラウンドで実行中でメモリを占有していると思われる各チュートリアルで、[**Running**] タブ、[**Shutdown**] の順にクリックします。