TLT(Transfer Learning Toolkit)環境の作り方

この記事を読んで分かること

以下環境で動作確認を行いました。

実行環境

PC(Ubuntu)にTLT(Transfer Learning Toolkit)の環境を構築する手順を紹介します。

TLT(Transfer Learning Toolkit)は、Deeplearningの学習を簡単に行えるようにnvidiaが開発したツールキットです。

環境構築手順はnvidia公式のインストールガイドを元に行いました。

TLTの環境はdockerイメージが配布されているので、イメージをダウンロードして実行するだけで環境構築ができます。

Dockerコンテナの準備

まずは、dockerイメージのダウンロードをします。

docker pull nvcr.io/nvidia/tlt-streamanalytics:v2.0_py3

Dockerイメージが取得できたらdockerコンテナを起動します。

docker run --gpus all -it -v "/path/to/dir/on/host":"/path/to/dir/in/docker" \ -p 8888:8888 nvcr.io/nvidia/tlt-streamanalytics:v2.0_py3 /bin/bash

"/path/to/dir/on/host"にはマウントしたいでホストマシンのディレクトリを入力します。

"/path/to/dir/in/docker"はdockerコンテナ内のマウント場所です。
/workspaceあたりをしておけばよいかと思います

TLT環境を利用するためにはNGC(NVIDIA GPU CLOUD)から取得できるNGCAPIキーが必要になるので取得していきます。

NGC(NVIDIA GPU CLOUD)にアクセスをし、右上からログインをします。

アカウントを持っていない場合には作成してログインしましょう。

「Get API Key」を選択し、「Generate API Key」をクリックするとAPIキーを作成することができます。

生成されたAPIキーは再表示することができないのでメモしておきましょう。

APIキーがわからなくなってしまった場合は、同様の手順で新しいAPIキーを作成することができます。

その際、古いAPIキーは無効になってしまうので、注意しましょう。

NGCAPIキーの取得ができたので、環境構築の続きです。

先程起動させたdockerコンテナ内に入っているので、NGCのコンフィグを設定します。

ngc config set

続いて、dockerコンテナ内でjupyternotebookを起動します。

jupyter notebook --ip 0.0.0.0 --port 8888 --allow-root

コマンドを打った後に表示されたtokenはログインパスワードになるのでコピーしておきましょう。

ここまででTLT(Transfer Learning Toolkit)環境の構築は完了です。

ブラウザでTLTを起動しているホストマシンのIPアドレスの8888ポートにアクセスしてみましょう。

jupyternotebookの画面が開いたら先程コピーしたtokenをパスワードに入力すれば利用することができます。

TLT(Transfer Learning Toolkit)環境の作り方を解説してきました。

環境構築にはdockerイメージとNGCAPIキーが必要になります。

TLT(Transfer Learning Toolkit)を使うと、Deeplearningの学習を簡単に行えるようなるのでぜひ利用してみてください。