기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# Jupyter Notebook 자습서 실행
각 딥 러닝 프로젝트의 소스에 자습서와 예제가 함께 제공되며, 대부분의 경우 모든 DLAMI 에 적용됩니다. [Conda를 사용하는 Deep Learning AMI](overview-conda.md)을(를) 선택했다면 설정 및 시험 사용이 준비된 일부 자습서로부터 추가 혜택을 받게 됩니다.
**중요**
DLAMI에 설치된 Jupyter Notebook 자습서를 실행하려면 [DLAMI 인스턴스에서 Jupyter Notebook 서버 설정](setup-jupyter.md) 단계를 먼저 완료하세요.
Jupyter 서버가 실행 중이면 웹 브라우저를 통해 자습서를 실행할 수 있습니다. Conda를 사용하는 DLAMI를 실행 중이거나 Python 환경을 설정한 경우 Jupyter Notebook 인터페이스에서 Python 커널을 전환할 수 있습니다. 프레임워크별 자습서를 따라하기 전에 적절한 커널을 선택하세요. 이에 대한 추가 예제는 Conda를 사용하는 DLAMI 사용자에게 제공됩니다.
**참고**
많은 자습서의 경우 추가적인 Python 모듈이 필요하지만 DLAMI에 설정되지 않았을 수 있습니다. `"xyz module not found"`와 같은 오류가 발생하는 경우 DLAMI에 로그인하여 위에 설명한 환경을 활성화한 다음 필요한 모듈을 설치하세요.
**작은 정보**
딥 러닝 자습서 및 예제는 주로 하나 이상의 GPU를 필요로 합니다. 인스턴스 유형에 GPU가 없는 경우 일부 예제의 코드를 변경하여 이를 실행해야 할 수 있습니다.
## 설치된 자습서 탐색
Jupyter 서버에 로그인하면 자습서 디렉터리(Conda를 사용하는 DLAMI 한정)를 찾을 수 있습니다. 각 프레임워크 이름에 따라 자습서 폴더가 표시됩니다. 프레임워크 목록이 표시되지 않은 경우 현재 DLAMI의 프레임워크에서 자습서를 사용할 수 없습니다. 프레임워크의 이름을 클릭하면 자습서가 나열되고, 자습서를 클릭하면 이를 시작할 수 있습니다.
Conda를 사용하는 DLAMI에서 처음 노트북을 실행할 때 어떤 환경을 사용하고자 하는지 물을 것입니다. 선택할 목록이 표시됩니다. 각 환경은 이 패턴에 따라 이름이 지정됩니다.
`Environment (conda_framework_python-version)`
예를 들어 `Environment (conda_mxnet_p36)`을 볼 수 있는데, 이는 환경에 MXNet 및 Python 3가 있음을 간주합니다. 이에 대한 기타 변형은 `Environment (conda_mxnet_p27)`이며, 이는 환경에 MXNet 및 Python 2가 있음을 간주합니다.
**작은 정보**
어떤 버전의 CUDA가 활성 상태인지 고려하는 경우 이를 확인하는 방법은 처음 DLAMI에 로그인할 때의 MOTD에 있습니다.
## Jupyter를 사용하여 환경 전환
다른 프레임워크에 대한 자습서를 시험하기로 한 경우 현재 실행 중인 커널을 확인해야 합니다. 이 정보는 Jupyter 인터페이스의 오른쪽 상단, 로그아웃 버튼 아래에서 확인할 수 있습니다. Jupyter 메뉴 항목인 [**Kernel**]과 [**Change Kernel**]을 클릭한 다음 실행 중인 노트북에 맞는 환경을 클릭함으로써 열린 노트북의 커널을 변경할 수 있습니다.
이 시점에서 커널의 변경 사항이 이전에 실행했던 것의 상태를 삭제하기 때문에 셀을 재실행해야 합니다.
**작은 정보**
프레임워크 사이의 전환은 재미있고 교육적일 수 있지만 메모리가 부족할 수도 있습니다. 오류가 발생하기 시작하는 경우 Jupyter 서버를 실행 중인 터미널 창을 확인하세요. 유용한 메시지와 오류 로깅이 여기에 표시되며, 메모리 부족 오류를 확인할 수 있습니다. 이를 수정하려면 Jupyter 서버의 홈 페이지로 이동하여 [**Running**] 탭을 클릭하고 여전히 백그라운드에서 실행 중이어서 모든 메모리를 잡아먹을 수 있는 각 자습서에 대해 [**Shutdown**]을 클릭할 수 있습니다.