プリインストールの利用方法（PyTorch、TensorFlow、JupyterLab）| GPUSOROBAN

本記事では、GPUSOROBAN（高速コンピューティング）のプリインストールの利用方法を説明します。

高速コンピューティングは、画像生成AIやLLMの計算に最適なGPUインスタンスが低コストで使えるクラウドサービスです。

サービスについて詳しく知りたい方は、GPUSOROBANの公式サイトをご覧ください。

初めてGPUSOROBANを利用される場合は、事前に以下の記事をご覧ください。

プリインストールとは

高速コンピューティングでは、ソフトウェアがプリインストールされたインスタンスを選択することができ、環境構築の手間を削減することができます。

インスタンスの末尾の記号がプリインストールされているソフトウェアを示しています。

次の表はプリインストールのバージョン一覧になります。

インスタンスタイプは、コントロールパネルのインスタンス管理から確認できます。

インスタンスのリストはインスタンス一覧のページをご参照ください。

NVIDIAドライバ、CUDA、Pythonの利用方法

インスタンスにはNVIDIAドライバ、CUDA、Pythonが共通でインストールされています。（※Docker対応インスタンスは除く）

NVIDIAドライバのバージョンは、インスタンスに接続後、次のコマンドで確認ができます。

nvidia-smi

CUDAは次のコマンドで確認ができます。

nvcc -V

Pythonは次のコマンドで実行できます。

python

TensorFlow、PyTorch、JupyterLabの利用方法

TensorFlow、PyTorch、JupyterLabを使用する場合は、venv環境をアクティベートする必要があります。

TensorFlow、PyTorchは、プリインストールされているバージョンによって、venv環境をアクティベートするコマンドが異なりますので、ご注意ください。

一方でJupyterLabのvenv環境のアクティベートコマンドはどのインスタンスも共通です。

JupyterLabの利用方法

JupyterLabを使用する際は、ポートフォワードの設定をする必要があるため、一度インスタンスに接続しているターミナルからログアウトします。 ※アクセスサーバに接続しているターミナルはログアウトする必要はありません。

インスタンスに接続するターミナルにおいて、次のコマンドを実行します。（ポート8888のポートフォワード）

ssh -L 8888:localhost:8888 user@localhost -p 20122 -i .ssh\mykey.txt

インスタンス接続の際、デフォルトで(base)のvenv環境ログインしています。この(base)にJupyterLabがプリインストールされているため、基本的にアクティベートは不要です。
もしログインしているvenv環境が(base)でない場合、次のコマンドで(base)に切り替えることができます。

※JupyterLabの場合、どのインスタンスタイプにおいても、同じコマンドでvenv環境のアクティベートが可能です。

source ~/.venv/base/bin/activate​​​​​​​

(base)に切り替わったら、アクティベート完了です。

アクティベートした状態で、次のコマンドを実行し、JupyterLabを起動します。

jupyter lab --ip='*' --port=8888 --NotebookApp.token='' --NotebookApp.password='' --no-browser

次に接続元PCからブラウザを開き、ブラウザの検索窓にlocalhost:8888を入力し、Enterを押すと、ブラウザにJupyterLabが表示されます。

localhost:8888

JupyterLabのUI上で、TensorFlowやJupyterLabのvenv環境を選択することができます。

TensorFlowの利用方法

TensorFlowのvenv環境をアクティベートします。

次のコマンドを使用して、.venv環境にプリインストールされているTensorFlowのバージョンを確認した後に、アクティベートコマンドを実行します。

ls .venv

source ~/.venv/tf***_py***/bin/activate

(tf***_py***)に切り替わったら、アクティベート完了です。

※プリインストールしているバージョンによってtf***_py***の値が異なりますので、ご注意ください。

アクティベートした状態で次のコマンドを続けて実行します。

Pythonを実行します。

python

TensorFlowをインポートします。

import tensorflow as tf

TensorFlowのバージョンを確認します。

tf.__version__

TensorFlowのバージョンは、2.11.0がインストールされていることが分かります。

TensorFlowからGPUを確認します。

print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU')))

Num GPUs Available: 1が表示された場合、TensorFlowからGPUが適切に認識できています。

PyTorchの利用方法

PyTorchのvenv環境をアクティベートします。

次のコマンドを使用して、.venv環境にプリインストールされているTensorFlowのバージョンを確認した後に、アクティベートコマンドを実行します。

ls .venv

source ~/.venv/torch***_py***/bin/activate

(torch***_py***)に切り替わったら、アクティベート完了です。

※プリインストールしているバージョンによってtorch***_py***の値が異なりますので、ご注意ください。

アクティベートした状態で次のコマンドを続けて実行します。

Pythonを実行します。

python

PyTorchをインポートします。

import torch

PyTorchのバージョンを確認します。

torch.__version__

PyTorchからGPUを確認します。

torch.cuda.is_available()

exit

venv環境から抜ける場合

venv環境から抜ける場合は、ターミナルで次のコマンドを実行します。

deactivate

(base)の表示が消えて、venv環境から抜けていることが分かります。

ここまでがGPUSOROBAN（高速コンピューティング）のプリインストールの利用方法の説明になります。

高速コンピューティングは高性能なGPUインスタンスが低コストで使えるクラウドサービスです。
サービスについて詳しく知りたい方は、GPUSOROBAN（高速コンピューティング）の公式サイトをご覧ください。