125 lines
8.0 KiB
Markdown
125 lines
8.0 KiB
Markdown
---
|
|
title: 機械学習のための GitHub Codespaces の概要
|
|
shortTitle: Machine learning
|
|
intro: '{% 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。'
|
|
product: '{% data reusables.gated-features.codespaces %}'
|
|
versions:
|
|
fpt: '*'
|
|
ghec: '*'
|
|
type: tutorial
|
|
topics:
|
|
- Codespaces
|
|
- Developer
|
|
ms.openlocfilehash: 07aa272377cf82d6bd660819d96aa348b2fb2a64
|
|
ms.sourcegitcommit: 478f2931167988096ae6478a257f492ecaa11794
|
|
ms.translationtype: HT
|
|
ms.contentlocale: ja-JP
|
|
ms.lasthandoff: 09/09/2022
|
|
ms.locfileid: '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](/codespaces/developing-in-codespaces/creating-a-codespace#access-to-github-codespaces)」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](https://pytorch.org/) 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](https://github.com/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](/codespaces/setting-up-your-project-for-codespaces/introduction-to-dev-containers#using-the-default-dev-container-configuration)」と[ `devcontainers/images` リポジトリ](https://github.com/devcontainers/images/tree/main/src/codespaces#github-codespaces-default-linux-universal)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。
|
|
1. `image-classifier.ipynb` ノートブック ファイルを開きます。
|
|
1. 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。
|
|
|
|
|
|
|
|
1. 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。
|
|
|
|
![[すべて実行] ボタンのスクリーンショット。](/assets/images/help/codespaces/jupyter-run-all.png)
|
|
|
|
1. 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](/codespaces/setting-up-your-project-for-codespaces/introduction-to-dev-containers#creating-a-custom-dev-container-configuration)」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](https://github.com/devcontainers/features/tree/main/src/nvidia-cuda)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。
|
|
1. 次の内容を含む最上位の `features` オブジェクトを追加します。
|
|
|
|
```json{:copy}
|
|
“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](https://containers.dev/implementors/features/#devcontainer-json-properties)」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
|
|
}
|
|
}
|
|
}
|
|
```
|
|
|
|
1. 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。
|
|
1. 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。
|
|
1. 開く codespace を選びます。
|
|
|
|
|
|
|