概要

SynapseMLを使いたいけど、どうやって環境を作ればよいかわからなかったので、Dockerを使って環境構築する方法を試してみました！

作業前の環境

Windows 10 Home
Docker Desktopがインストール済み

SynapseML環境構築開始！

手順

手順はたったの5つ。

Dockerイメージの取得
Dockerコンテナの起動
Jupyterノートブックの起動
ブラウザでJupyterノートブックにアクセス
ライブラリのインポート

1. Dockerイメージの取得

まずは、Dockerイメージの取得から始める。
MicrosoftのSynapseMLのサイトにDockerイメージに関する情報がある。
Using the SynapseML Docker Image

WSL UbuntuやPowershellを開いて、Dockerイメージをプルする。

docker pull mcr.microsoft.com/mmlspark/release:0.9.4

以下のコマンドで、Dockerイメージがローカルにプルできていることを確認する。

docker images

2. Dockerコンテナの起動

Dockerイメージが存在していることを確認できたので、イメージを元にコンテナを起動する。

docker run -it --rm -p 127.0.0.1:80:8888 -v ~/myfiles:/notebooks/myfiles mcr.microsoft.com/mmlspark/release:0.9.4

docker runコマンドのオプション説明はこちらのサイトを参照。
Using the SynapseML Docker Image

以下のようなTTYが表示されればOK。

root@c19xxxxxxx:/notebooks#

作成したJupyterノートブックファイルは以下のローカルフォルダに格納される。
~/myfiles

機械学習で利用する入力データ（トレーニング用データ、テスト用データ）をコンテナ起動前に保存しておくと読み込みできる。以下は~/myfiles配下にtitanic/train.csvを保存した場合のデータ読込み例。

import pyspark

spark = pyspark.sql.SparkSession.builder.appName("MyApp") \
  .config("spark.jars.packages", "com.microsoft.azure:synapseml_2.12:0.9.4") \
  .config("spark.jars.repositories", "https://mmlspark.azureedge.net/maven") \
  .getOrCreate()

train_data = spark.read.format("csv").load(
    "/notebooks/myfiles/titanic/train.csv"
)

3. Jupyterノートブックの起動

Jupyter notebookを起動する。

/notebooks# jupyter notebook

4. ブラウザでJupyterノートブックにアクセス

Jupyterノートブックを起動した状態で、Chromeなどのブラウザからhttp://localhostにアクセスすると、Jupyterノートブックが利用できる。

5. ライブラリのインポート

Jupyterノートブック上でPySparkとSynapseMLのライブラリをインポートする。
SynapseML Installation

import pyspark

spark = pyspark.sql.SparkSession.builder.appName("MyApp") \
  .config("spark.jars.packages", "com.microsoft.azure:synapseml_2.12:0.9.4") \
  .config("spark.jars.repositories", "https://mmlspark.azureedge.net/maven") \
  .getOrCreate()

import synapse.ml

あとは好きにSynapseMLを使ってコードを書きましょう。

お疲れ様でした✨