Google colab と似た AWS のサービスで、Amazon SageMaker Studio Lab (以下、Studio Lab) があります。
こちらも無償で利用することが可能で、GPU インスタンスも使用可能です。Studio Lab で利用するアカウントは、AWS アカウントとは別に必要です。ただ、Studio Lab を使用するためのアカウントはクレジットカードの登録が不要なので、試しに使ってみるにはちょうど良いと思います。
AWS のドキュメントがあるので、こちらを読むと大体流れがつかめると思います。
アカウントを作成する
Studio Lab のサイトにアクセスし、右上の「Request account」をクリックします。
.png)
フォーム入力画面が表示されるので、必要事項を入力して送信します。
.png)
フォームに入力したメールアドレス宛に、メール確認のリンクが届くので、それをクリックして続行し、アカウント作成をリクエストします。
この先のランタイム起動時に電話番号 (SMS) による認証がありますので、電話番号も有効な番号を入力する必要があります。
この先の画面は取り忘れたのですが、Studio Lab のアカウントは招待制になっています。なので、Request account をしてリクエストが承認されるのを待ちます。
(リクエストの承認は、数時間では終わらないかもしれません。アカウント作成時の注意書きに、一週間以上待っても承認されないようなら GitHub で issue を出してと書いてあったと思います)
承認されるとメールが届くので、そこからアカウント登録を行います。そのため、アカウント作成までは以下のようにメールが届く形になります。
.png)
メールの日付からも、リクエストの翌日に承認されていますよね。
Studio Lab を使用する
アカウントが作成できたら、Studio Lab のサイトから「Sign in」をクリックします。
作成したアカウント情報を入力すると、以下の画面になります。
(初回は違う画面が出たかもしれませんが・・・ちょっと記憶にないです)
.jpg)
ここで「Start Runtime」をクリックすると、実行環境を起動できます。初めて起動するときは、SMS に確認コードが送られるので、それを入力する必要があります。
なお、実行環境は Compute type で CPU、GPU を選択可能です。どちらも無償で使用可能ですが、GPU は連続４時間、24時間以内に合計で8時間までの使用上限があります。CPU でも制限はありますが、12時間が上限となるため、GPU を使わない計算は CPU にしておくとよいと思います。
(データの取得や整理は CPU で実行して、分析を GPU にやらせる、とか)
Runtime が起動するまで少し待つと、「Open project」がアクティブになるので、クリックするとカスタマイズされた JupyterLab が起動します。
.png)
なお、Google colab とは違い、Runtime を停止してもデータは残っています。Google Colab は Google Drive などで永続化させることも可能ですが、Studio Lab はデータは残るので、そういった工夫は特に必要ありません。手動で追加したライブラリなども残ります。
逆に言うと、不要になったら消す必要があるということです。
また、クレジットカード登録不要からもわかるとおり、有料のプランは特にないようです。Amazon SageMaker Studio が AWS から使用でき、そちらは自由にインスタンスを指定できる (インスタンスごとの料金が発生します) ので、必要になったらそっちを使ってね、ということだと思います。
そのため、Studio Lab で作成したコードなどを、Amazon SageMaker Studio にエクスポートすることもできるみたいです。
コメント
コメントを投稿