前回の記事
前回は５、6時間程度なので放っておけばいいか・・・程度だったのですが、次に試しに作ってみたモデルは概算で3日程度必要だったので、FLOYDをいよいよ稼働させて学習してみました。
参考
Jupyter 起動
公式の説明や上記の参考リンクの通りにやっていると、FLOYDに繋げて、またプロジェクトも作成できます。
詰まったところは、tensorflowがそのまま使えなかったところ。環境を何も指定しないとpytorchでjobが起動してしまうので、tensorflow環境でjupyterを起動する必要があります。
floyd run --env tensorflow-1.5 --mode jupyter
速度比較
ローカル環境(CPU)--6261s/epoch
FLOYD環境(GPU)--67s/epoch
その処理時間およそ100倍！3日かかりそうだったのが、1時間で終わりそうです。今学習しているモデルの肝心の精度はどうなるかわかりませんが、これで待ち時間短縮です！
使用後のUsage
2時間のトライアル枠が減って残り47分になってます。ちなみに、jupyter立ち上げっぱなしだとその分時間換算されるので、使い終わったら止めるのを忘れずに。
FLOYDサポート
昨日もそうだったんですが、FLOYDのサイトからチャットで質問できて、即レスポンスとは行きませんが、数分以内には答えてくれるので、サービス面やセッティング等で詰まったらすぐ解決できると思います。
今後
使い方もわかったことですし、時間がかかる処理はFLOYDを使おうと思います。これからももっとディープラーニングやることが多くなってとか、仕事で使うようになるようなら、自分で用意する方がコストが下がるかもしれません。かといって、MACでGPUマシンを新調するのは、ちょっとお高いですしうーん。それならスロットの余ってるwindows PCに1-2万のGPU増設して、anacondaとかディープラーニグ環境を作ってあげた方がいいのかな。
とにかくGPUのパワーは偉大！！