Google Colab Proを登録して色々と遊んではみたが，ipynb形式に慣れないのと，セッションの問題などが面倒でFloydHubに移行することにした．
FloydHubとは
データサイエンティスト用の廉価なクラウドサービス + ホスティングサービス．無料版もあるが学習時間の時間制限などの制約が厳しい．有料版でも9ドル/月と安いため，無料版を使ってみて良かったら有料版に移行したい．無料版(Beginner)と有料版(Data Scientist)の細かい差異(の一部分)は以下のとおり．
よいところ
- 環境構築の手間がかからない
- ローカルで書いたコードをCLIでサクッとGPU環境に流せる
登録
普通にSign Upすればよいが，無料版でもクレジットカードの入力が求められた．
何もしていしないと無料版での登録となり，登録後に移動するページで"Upgrade your plan"に従うと有料版に移行できる．
利用法
実際にコードを動かしてみる．基本的には，Quick Startに沿えばよい．
手順:
1). floyd-cliをローカルマシンにインストール
- pip install -U floyd-cli
- 私の場合，Python 3.6にしないとうまくいかなかった
2). floyd login でログイン
- PowerShell等でこのコマンドを打つと，ブラウザが起動しログインできる
3). プロジェクトの作成
ブラウザでFloydHubに入り，プロジェクト("test"と命名)を作成する．ほぼGitHub.
4). "quick-start repository"を動かしてみる
サンプルリポジトリ(CNNによるMNISTの分類)を落とす:
$ git clone https://github.com/floydhub/quick-start.git
Cloning into 'quick-start'...
...
$ cd quick-start
$ ls
eval.py LICENSE mnist_cnn.ipynb README.md train_and_eval.py train.py
先ほど作ったプロジェクトの初期化:
$ floyd init test
Project "test" initialized in current directory
実行:
floyd run --gpu --env tensorflow-1.3 "python train_and_eval.py"
ジョブをリアルタイムで確認:
floyd logs <ジョブ名> -f
出力:
2021-03-28 09:04:13,348 INFO - Iter 192000, Minibatch Loss= 331.912109, Training Accuracy= 0.96094
2021-03-28 09:04:13,509 INFO - Iter 193280, Minibatch Loss= 83.669022, Training Accuracy= 0.98438
2021-03-28 09:04:13,671 INFO - Iter 194560, Minibatch Loss= 320.909058, Training Accuracy= 0.98438
2021-03-28 09:04:13,832 INFO - Iter 195840, Minibatch Loss= 234.908890, Training Accuracy= 0.96875
2021-03-28 09:04:13,993 INFO - Iter 197120, Minibatch Loss= 116.310966, Training Accuracy= 0.96875
2021-03-28 09:04:14,154 INFO - Iter 198400, Minibatch Loss= 54.050278, Training Accuracy= 0.97656
2021-03-28 09:04:14,315 INFO - Iter 199680, Minibatch Loss= 70.160957, Training Accuracy= 0.96094
2021-03-28 09:04:14,346 INFO - Optimization Finished!
2021-03-28 09:04:14,384 INFO - Testing Accuracy: 0.96875
2021-03-28 09:04:15,150 INFO -
################################################################################
2021-03-28 09:04:15,150 INFO - Waiting for container to complete...
2021-03-28 09:04:15,435 INFO - Persisting outputs...
2021-03-28 09:04:15,787 INFO - Creating data module for output...
2021-03-28 09:04:15,830 INFO - Data module created for output.
2021-03-28 09:04:15,831 INFO - Persisting data in home...
2021-03-28 09:04:16,085 INFO - Home data persisted.
2021-03-28 09:04:16,086 INFO - [success] Finished execution
簡単．結果はブラウザ上でも確認できる．
各種フレームワークへの対応
上のコマンドfloyd run --gpu --env tensorflow-1.3 "python train_and_eval.py" にある--envオプションには，TensorFlowやPyTorch等のフレームワークを指定することができ，バージョンもほぼ揃っているため自前で環境構築をする必要はない．ここが一番うれしい．
スマホから学習進捗の確認
ブラウザベースなのでスマホからもログを確認することができる.
他にも，JupyterLabをベースにしたIDEをブラウザ上で使えたりするので，ご興味がある方はCore Conceptsを参照していただきたい．