AWS エバンジェリストシリーズ　AWSの基礎を学ぼう 「人を笑わせるAIをつくってみる AWS Summit 直前Special 電笑戦のモデルをつくる」 に参加したよ #awsbasics ＃電笑戦 ＃AIでボケた

coosuke

TL;DR

今日はこちらの勉強会に参加しました

AWS Summitとの連動企画 「ボケて電笑戦」

来週開催されるAWS Summitの企画「ボケて電笑戦」との連動企画です。
boketeというお笑いWebサービスを運営されている、オモロキさんが保管されているボケ画像のデータを利用されるそうです。

AWS Summitの情報はこちら。

ちなみに、「ボケて電笑戦」のホストはFUJIWARAさんです。

ボケて電笑戦とは
例題
ボケのビッグデータ＝ボケ缶というデータセットに格納されているそうです
ボケ缶データセットの中身は、画像とテキストのセット
深層学習を用いる画像の説明
ベースラインのモデル
モデルの生成例です。画像をエンコードして、順に文字がデコードされるそうです
AI Services, ML Services, Frameworks & Instartructureの3レイヤーで、
AWSのAI/MLスタックが提供されています

今回のハンズオンでは以下のサービスを使います

  • SageMaker Studio

  • SageMaker Processing = 前処理

  • SageMaker Training Jobs = トレーニング

  • SageMaker Endpoints 

事前作業

事前作業として、SageMakerの上限緩和申請を行いました。

ハンズオン

ノートブックインスタンスの作成

今回はノートブックインスタンスを作成しました

ノートブックインスタンス名、インスタンスのタイプ、IAMロールを作成し、サンプルコードがあるGitリポジトリをクローンする設定を入れました
ノートブックインスタンスが作成できれば、JupiterLabを開きます
サンプルコードのGitからクローンしたソースコードたちが見れます。
ここで git clone https://github.com/aws-samples/bokete-denshosen.git することもできます
ノートブックのファイルを開きます
Kernelはこちらを選びました
ノートブックにPythonのコードが書かれているので、
上から順に一つずつ実行(Shift + Enter)します
boketeのデータセットは100万個くらいあるんですが、全部トレーニングすると時間がかかるので、程よい評価で程よい数データがある、Redのデータを使ってトレーニングします

↓のコードが出たら、前処理が進行中です…

The above processing job will upload the training data to Amazon S3. Let's retrieve the path for the next step.

結局完遂できなかった

はい。ブログをイベント当日に公開することを目標としていたんですが、できませんでした。そして公開しないまま2週間が経とうとしている…。
結論から言うと、ハンズオンを完遂できませんでした。なぜかというと、前処理までは完了したんですが、、、

  • その後の手順でエラー発生

  • Kernelの選択を間違っていた事が判明

  • Kernelを選択し直し、手順をリランしたものの、グチャグチャになって時間切れ

となりました。ちょっと時間を見つけてリトライしようと思います。

AWS Summit アーカイブ見れますね

AWS Summitも先週開催されて、ここで取り上げた電笑戦も、ライブ配信されました。
私は当日ライブ配信を見れなかったので、アーカイブ配信を見ようと思います！


いいなと思ったら応援しよう！