Amazon SageMaker Studio Lab 使ってみた！

2021年12月15日

1. Amazon SageMaker Studio Labとは
2. アカウント作成手順
3. Studio Labへログイン
4. 少しだけお試し
5. さいごに

こんにちは、宮内です。
11月29日～12月3日に開催されたAWSの一大イベントre:Invent 2021はご覧になりましたでしょうか？
今年も多くのサービスのプレビュー公開やGA、機能のアップデートなど、ホットな情報がたくさんありました！
今回は、re:Invent 2021でプレビュー公開された「Amazon SageMaker Studio Lab」を使ってみたいと思います。

Amazon SageMaker Studio Labとは

Amazon SageMaker Studio Lab（以下、Studio Lab）のコンセプトは

　「機械学習を学び、実験できる無料のサービス」

となっています。Studio Labの利用においてはAWSアカウントも必要ありませんので、メールアドレスだけ用意できれば、誰でも無償で使用できるサービスとなっています。公式の紹介ページ（URL）を記載しておきます。

https://aws.amazon.com/jp/about-aws/whats-new/2021/12/amazon-sagemaker-studio-lab-no-configuration-ml-service/

早速、アカウントの作成から始めてみましょう！

アカウント作成手順

アカウントを作成するには以下のURLへアクセスし、アカウント作成のリクエストを送る必要があります。

https://studiolab.sagemaker.aws/requestAccount

【手順①】アカウント作成のリクエストを送る

上のURLへ実際にアクセスすると、アカウント作成に必要な項目を入力するページへ遷移します。
メールアドレスのみ必須入力で、他の項目は入力無しでも問題ありません。
項目名（Enter your …）の後ろに * が付いている項目が必須入力となります。

リクエストを送ると、入力したメールアドレス宛てにリクエスト承認のメールが届きます。
リクエストを送ってから、1～5営業日を目安に承認されるようです。（私は申請の翌日に承認されました）
ちなみに、アカウント承認が行なわれた場合でも、何もせずに7日が過ぎると失効扱いとなりますので、それまでに次のアカウント作成を行いましょう。

【手順②】アカウントを作成する

リクエストが承認されると、アカウント作成用ページのリンクが記載されたメールが送られてきます。
アクセスすると次のようなページが開きます。

こちらの項目は全て必須入力となっています。
パスワードポリシーは、

８桁以上
アルファベットの大文字、小文字、数字、記号（ ! @ # $ % ^ & * () <> [] {} | _+-=）の中から3種類以上を含む

となっています。
パスワードを忘れてしまった場合でも、パスワードの再発行は可能です。

【手順③】アカウント作成を承認する

入力後、アカウント作成（Create account）のボタンを押下すると、入力したメールアドレス宛てに登録確認のメールが届きます。

メールに記載のリンクを押下すると、認証が完了します。
認証後からStudio Labへログインできるようになります。

Studio Labへログイン

下記のURLから、Studio Labのログイン画面へ遷移できます。

https://studiolab.sagemaker.aws/login

ログイン画面にて、登録したメールアドレスまたはユーザ名、パスワードを入力してログインします。

ログインすると次のような画面が開きます。
ここからJupyterノートブックを起動することができます。

Jupyterノートブックを起動する際には、CPUかGPUを選択します。
基本的にはCPUで問題無いと思いますが、TensorFlowといったパッケージではGPUを要求されることがありますので、使い分けが必要になりそうです。

とりあえず、CPUを選択して「Start runtime」をクリックしましょう。
クリックするとJupyterノートブックの起動が開始します。30秒ほどで完了します。

完了すると、ステータスが起動状態（Running）となります。
Jupyterノートブックの使用時間には制限が設けられており、CPUは12時間、GPUは4時間となっています。時間を過ぎると自動的にセッションが切断されますが、作業状況は保存されていますので、再起動することで作業を続きから始めることができます。
それでは、「Open project」のボタンがクリックして、Jupyterノートブックへアクセスしましょう！

アクセスすると、スタートページが開きます。（2回目以降は、最後に開いていたノートブックが開きます）
JupyterノートブックはMarkdown形式でテキストを記載したり、Pythonのプログラムコードを記載して実行することができます。ファイルは自由に作成できますが、ユーザ毎に15GBの永続ストレージが用意されているとのことなので、無制限に作ることは出来ないと思われます。
ちなみに、記事作成時点でPythonのバージョンは3.9でした。

また、Gitのソースを連携することもできるようです。
機械学習に関連したソースをクローンして、実行してみるのも面白そうですね。

少しだけお試し

私が入社1年目の時に作成した、手書き数字認識の機械学習モデルをStudio Labで動かせるか試してみました。
このモデルでは、KerasというTensorFlow上で動く深層学習用のモジュールの他、数値計算用モジュールであるNumpy、学習結果のグラフを表示するためのMatplotlibを使用します。
今度は、GPUを選択してJupyterノートブックを起動します。