docs/translations/ja-JP/content/codespaces/developing-in-codespaces/getting-started-with-github-codespaces-for-machine-learning.md

title, shortTitle, intro, product, versions, type, topics, ms.openlocfilehash, ms.sourcegitcommit, ms.translationtype, ms.contentlocale, ms.lasthandoff, ms.locfileid

title	shortTitle	intro	product	versions	type	topics	ms.openlocfilehash	ms.sourcegitcommit	ms.translationtype	ms.contentlocale	ms.lasthandoff	ms.locfileid
機械学習のための GitHub Codespaces の概要	Machine learning	{% data variables.product.prodname_github_codespaces %} とそのすぐに使えるツールを使用して、機械学習プロジェクトに取り組む方法について学習します。	{% data reusables.gated-features.codespaces %}	fpt ghec * *	tutorial	Codespaces Developer	07aa272377cf82d6bd660819d96aa348b2fb2a64	478f293116	HT	ja-JP	09/09/2022	147764004

はじめに

このガイドでは、{% data variables.product.prodname_github_codespaces %} を使用した機械学習について説明します。 単純な画像分類器を構築し、{% data variables.product.prodname_github_codespaces %} にプレインストールされているツールの一部について学習し、NVIDIA CUDA の開発環境を構成し、{% data variables.product.prodname_cli %} を使用して JupyterLab で codespace を開きます。

前提条件

{% data variables.product.prodname_github_codespaces %} にアクセスできる。 詳細については、「codespace を作成する」を参照してください。

単純な画像分類器を構築する

Jupyter Notebook を使用して、単純な画像分類器を構築します。

Jupyter Notebook は、順次実行できるセルのセットです。 使用するノートブックには、PyTorch を使って画像分類器を構築する多数のセルが含まれています。 各セルは、データセットのダウンロード、ニューラル ネットワークの設定、モデルのトレーニング、そのモデルのテストなど、そのプロセスの異なるフェーズです。

すべてのセルを順番に実行して、画像分類器を構築するすべてのフェーズを実行します。 この操作を行うと、Jupyter によって出力がノートブックに保存され、結果を確認できるようになります。

リポジトリと codespace の作成

1. github/codespaces-getting-started-ml テンプレート リポジトリに移動し、 [このテンプレートを使用する] をクリックします。 {% data reusables.codespaces.open-codespace-from-template-repo %}

   既定では、このリポジトリの codespace は、Web ベース バージョンの {% data variables.product.prodname_vscode %} で開きます。

画像分類器ノートブックを開く

{% data variables.product.prodname_github_codespaces %} によって使用される既定のコンテナー イメージには、codespace にプレインストールされている一連の機械学習ライブラリが含まれています。 たとえば、Numpy、pandas、SciPy、Matplotlib、seaborn、scikit-learn、TensorFlow、Keras、PyTorch、Requests、Plotly などです。 既定のイメージについては詳しくは、「開発コンテナーの概要」と devcontainers/images リポジトリを参照してください。

1. {% data variables.product.prodname_vscode_shortname %} エディターで、表示されている [作業の開始] タブを閉じます。

2. image-classifier.ipynb ノートブック ファイルを開きます。

3. エディターの右上にある Python カーネル リンクをクリックします。

   

4. ドロップダウン メニューで、ディレクトリ /opt/python/latest/bin/python 内のカーネルを選びます。

   

画像分類器を構築する

画像分類器ノートブックには、データセットのダウンロード、ニューラル ネットワークのトレーニング、そのパフォーマンスの評価に必要なすべてのコードが含まれています。

1. [すべて実行] をクリックして、ノートブックのセルをすべて実行します。

   

2. 下にスクロールして、各セルの出力を表示します。

   

codespace 用に NVIDIA CUDA を構成する

TensorFlow などの一部のソフトウェアでは、codespace の GPU を使用するために NVIDIA CUDA をインストールする必要があります。 その場合は、devcontainer.json ファイルを使用して独自のカスタム構成を作成し、CUDA をインストールする必要があることを指定できます。 カスタム構成の作成について詳しくは、「開発コンテナーの概要」を参照してください。

{% note %}

注: nvidia-cuda 機能を追加するときに実行されるスクリプトについて詳しくは、devcontainers/features リポジトリを参照してください。

{% endnote %}

1. codespace 内で、エディターで .devcontainer/devcontainer.json ファイルを開きます。

2. 次の内容を含む最上位の features オブジェクトを追加します。

     “features”: {
       "ghcr.io/devcontainers/features/nvidia-cuda:1": { 
         "installCudnn": true
       }
     }
   

   features オブジェクトについて詳しくは、「開発コンテナーの仕様」を参照してください。

   このチュートリアル用に作成した画像分類器リポジトリの devcontainer.json ファイルを使用している場合、devcontainer.json ファイルは次のようになります。

   {
     "customizations": {
       "vscode": {
         "extensions": [
           "ms-python.python",
           "ms-toolsai.jupyter"
         ]
       }
     },
     “features”: {
       "ghcr.io/devcontainers/features/nvidia-cuda:1": { 
         "installCudnn": true
       }
     }
   }
   

3. 変更を保存します。 {% data reusables.codespaces.rebuild-command %}codespace コンテナーが再構築されます。 これには数分かかります。 再構築が完了すると、自動的に codespace が再び開きます。

4. 変更をリポジトリにコミットして、CUDA が今後このリポジトリから作成する新しい codespace にインストールされるようにします。

JupyterLab で codespace を開く

{% data variables.product.prodname_github_codespaces %} によって使用される既定のコンテナー イメージには、Web ベースの Jupyter IDE である JupyterLab が含まれています。 {% data variables.product.prodname_cli %} を使用すると、codespace に他のものをインストールしなくても、JupyterLab で codespace を開くことができます。

1. ターミナルで、{% data variables.product.prodname_cli %} コマンド gh cs jupyter を入力します。

2. 開く codespace を選びます。