BLOG
최근 Amazon SageMaker Studio 는 새로운 노트북 환경의 상용화 버전을 출시했습니다. Amazon SageMaker Studio는ML(machine learning) 인스턴스 유형 선택, 최적화 및 프리 패키지드 Amazon SageMaker 이미지, Jupyter 노트북 공유를 지원합니다. 작업을 중단하거나 인프라를 관리하지 않고도 노트북이 한 인스턴스 유형의 커널을 다른 인스턴스 유형(예: ml.t3.medium에서 ml.p3.2xlarge)으로 전환할 수 있습니다. 또한 한 인스턴스에서 다른 인스턴스로 원활하게 이동할 수 있으며 인스턴스가 가동되는 동안에도 계속 작업할 수 있습니다. 뿐만 아니라 Amazon SageMaker Studio 도메인용으로 생성된 Amazon Elastic File System (Amazon EFS) 를 통해 새 인스턴스에서 노트북과 데이터를 즉시 사용할 수 있습니다. 이렇게 되면 도메인의 모든 사용자는 EFS 볼륨에 작성된 홈 디렉토리를 얻게 됩니다.
Amazon SageMaker Studio에서 노트북 사용하기
완전한 ML 워크플로우를 위해 완전히 통합된 개발 환경인 Amazon SageMaker Studio를 통해 노트북에 액세스할 수 있습니다. Amazon SageMaker Studio를 사용하여 다양한 인스턴스 유형의 유연성을 누릴 수 있습니다.
다음 스크린 샷은 두 개의 노트북이 나란히 실행되는 것을 보여줍니다.
왼쪽의 노트북은 2개의 vCPU 및 4GiB의 메모리가 있는 인스턴스를 사용하여 Data Science SageMaker 이미지에서 Python 3 Jupyter 노트북을 실행 중입니다. 오른쪽의 노트북은 4 개의 vCPU와 16GiB의 메모리가 있는 GPU 인스턴스에서 PyTorch GPU 최적화 SageMaker 이미지를 실행하고 있습니다. 이 두 노트북은 서로 다른 인스턴스에서 실행되며 다른 인스턴스에 영향을 주지 않고 해당 인스턴스의 전체 리소스를 사용할 수 있습니다. 이에 따라 한 인스턴스에서 연산을 진행 중일 때에 다른 인스턴스에서 자유롭게 프로토타이핑할 수 있습니다.
다른 커널을 선택하는 것과 같은 방식으로 Amazon SageMaker Studio에서 인스턴스를 선택하면 Select Instance 팝업 상자가 나타납니다.
이 대화 상자는 이 인스턴스를 사용하는 현재 노트북과 현재 인스턴스 유형을 보여줍니다. vCPU, GPU 및 메모리가 있는 인스턴스 목록은 기본적으로 빠른 실행에 사용할 수 있는 인스턴스로 표시됩니다. 즉, 이러한 인스턴스를 더 짧은 시간에 사용할 수 있습니다. Fast launch only를 비활성화 하면 Amazon SageMaker Studio에서 지원되는 모든 ML 인스턴스 목록가 표시됩니다.
노트북의 새 인스턴스 유형을 선택하면 프로세스가 진행 중이라는 알림을 받게 됩니다.
인스턴스가 변경되는 동안에도 현재 노트북을 편집할 수 있지만 인스턴스가 실행될 때까지 셀을 실행할 수 없습니다. 그러나 이는 해당 노트북에만 해당됩니다. Amazon SageMaker Studio 기능의 다른 모든 노트북 및 기타 환경은 중단 없이 계속 작동합니다. 앞의 스크린 샷에서 데이터 과학자는 분할 패널에서 Git 플러그인을 사용하여 노트북의 일부 변경 사항을 검토하고 있습니다.
Amazon SageMaker Studio는 TensorFlow, MXNet, PyTorch, TensorFlow 2, 데이터 사이언스 및 Python을 위해 사전 구성된 Amazon SageMaker 이미지와 함께 제공됩니다. 이 이미지는 최적화되고 사전 패키지 된 AWS Deep Learnng Contatiners를 기반으로 합니다. 데이터 사이언스 이미지는 가장 일반적인 데이터 사이언스 작업 흐름에 최적화되어 있으며 널리 사용되는 Anaconda 배포, AWS Command Line Interface (AWS CLI) 및 Amazon SageMaker Python SDK를 포함합니다. 기본 Python 이미지는 별도의 종속성 없이 최소 Python 3 런타임을 제공합니다.
다음 스크린 샷은 Amazon SageMaker 이미지로 노트북, 대화형 셸 또는 터미널을 생성할 수 있는 Launcher 페이지를 보여줍니다. 격리된 환경 (잠재적으로 다른 인스턴스에서 실행)에서 노트북 (커널), 셸 및 터미널을 시작하는 기능은 Amazon SageMaker Studio만의 혁신입니다.
Amazon SageMaker Studio를 사용하면 동료와 노트북을 원활하게 공유할 수 있습니다. Studio 내에서 노트북에 대한 공유 가능한 링크를 생성할 수 있으며 동료는 이 링크를 사용하여 노트북을 작업 공간으로 가져와서 검토하거나 이를 반복할 수 있습니다.
다음 스크린 샷은 실행 중인 Amazon SageMaker 이미지가 나열된 실행 패널을 보여줍니다. 이 패널은 또한 어떤 커널과 터미널이 어떤 인스턴스에서 실행되고 있는지 보여줍니다.
다음과 같은 방법으로 이미지를 종료할 수 있습니다.
- 지정된 인스턴스에서 모든 이미지를 종료하여 해당 인스턴스에 대한 추가 요금이 계정에서 발생하지 않도록 합니다.
- 모든 비용 발생을 중단시키려면 실행 중인 모든 이미지를 종료하세요.
- 실행 중인 이미지를 종료하여 해당 이미지를 사용하는 모든 터미널 및 커널을 종료하세요.
실행중인 터미널과 커널을 종료해도 실행 중인 이미지에는 영향을 미치지 않습니다.
파일, 종료를 선택하면 종료 확인 팝업 상자가 나타납니다. Shutdown All을 선택하면 실행중인 모든 이미지, 커널, 터미널 및 Jupyter 서버를 편리하게 종료할 수 있습니다. Shutdown Server를 선택하면 Jupyter 서버만 종료됩니다. 이로써 서버를 다시 시작할 때 최신 업데이트를 할 수 있습니다.
결론
기계 학습을 위해 완전히 통합된 개발 환경인 Amazon SageMaker Studio는 노트북 기반 개발자 경험을 위한 새로운 강력한 기능을 제공합니다. 이 Amazon SageMaker Studio는 다음의 리전들에서 사용 가능합니다.
- 오하이오 (미국 동부)
- 버지니아 북부 (미국 동부)
- 오레곤 (미국 서부)
- 베이징 (중국)
- 닝샤 (중국)
- 아일랜드 (EU)
본 서비스를 시작하시려면 Amazon SageMaker console을 방문하거나 자세한 내용을 확인하려면 설명서를 확인하세요. 오른쪽 상단 모서리의 피드백 양식을 사용하여 Amazon SageMaker Studio 내에서 AWS forum for Amazon SageMaker 또는 AWS 고객센터를 통해 피드백을 보내세요.
** 메가존 클라우드 TechBlog는 AWS BLOG 영문 게재 글 중에서 한국 사용자들에게 유용한 정보 및 콘텐츠를 우선적으로 번역하여 내부 엔지니어 검수를 받아서, 정기적으로 게재하고 있습니다. 추가로 번역 및 게재를 희망하는 글에 대해서 관리자에게 메일 또는 SNS 페이지에 댓글을 남겨주시면, 우선적으로 번역해서 전달해드리도록 하겠습니다.