Amazon SageMaker エンドポイント用のサーバーレスフロントエンドを構築する(開発環境: Cloud9版)

Amazon SageMaker エンドポイント用のサーバーレスフロントエンドを構築する(開発環境: Cloud9版):

はじめに

本記事はAmazon SageMaker エンドポイント用のサーバーレスフロントエンドを構築するを一部変更して実施したものです。

変更内容は、開発環境をEC2からCloud9に変えた事です。

ゴール

機械学習を使って、Sepal Length（がく片の長さ）、Sepal Width（がく片の幅）、Petal Length（花びらの長さ）、Petal Width（花びらの幅）の値からアヤメの品種(Setosa, Versicolor, Virginica)を特定するWebアプリの構築。

SageMaker - モデル作成～エンドポイント作成

コンソールのTOPページからSageMakerの画面に移動。

モデルの作成

左側のメニューの中の「モデル」をクリックして、「モデルの作成」をクリック。

「モデル名」にdecision-treesを入力して、IAM ロールは「新しいロールの作成」を選択して、下図設定に合わせて「ロールの作成」をクリック。

下図画面の様になります。（IAMロール名は若干違いあり）

そのまま下にスクロールして、「コンテナの定義1」に下記内容を入力して「モデルの作成」をクリック。

- 推論コードイメージの場所: 305705277353.dkr.ecr.us-east-1.amazonaws.com/decision-trees-sample:latest

- アーティファクトの場所 - オプション: s3://aws-machine-learning-blog/artifacts/decision-trees/model.tar.gz

エンドポイント設定の作成

左側のメニューの中の「エンドポイント設定」をクリックして、「エンドポイント設定の作成」をクリック。

「エンドポイント設定名」にdecision-treesを入力して、「モデルの追加」をクリック。

decision-treesを選択して、「保存」をクリック。

元の画面に戻ったら下にスクロールして「エンドポイント設定の作成」をクリック。

エンドポイントの作成

左側のメニューの中の「エンドポイント」をクリックして、「エンドポイントの作成」をクリック。

エンドポイントの設定を下記の通りに入力して、「エンドポイント設定の選択」をクリック。

- エンドポイント名: decision-trees

- エンドポイント設定のアタッチ: 既存のエンドポイント設定の使用

- エンドポイント設定: decision-trees

「新しいエンドポイントの設定」が表示されるので内容を確認して、「エンドポイントの作成」をクリック。

IAM - Credentials(AdministratorAccess)の取得

Cloud9のターミナルでCLIによる操作を実行するための権限を持ったユーザーを作成。

アクセスキーIDとシークレットアクセスキーの取得

コンソールのTOPページからIAMの画面に移動。

左のメニューから「ユーザー」をクリックして、「ユーザーを追加」をクリック。

任意のユーザー名(画面はadmin)を入力して、「アクセスの種類」-「プログラムによるアクセス」にチェックをいれて「次のステップ: アクセス権限」をクリック。

「既存のポリシーを直接アタッチ」をクリックして、「AdministratorAccess」にチェックをつけて「次のステップ: タグ」をクリック。

何も入力せずに「次のステップ: 確認」をクリック。

設定内容を確認して「ユーザーの作成」をクリック。

アクセスキーIDとシークレットアクセスキーをメモして「閉じる」をクリック。（注. シークレットアクセスキーは後で確認できません）

Cloud9

開発環境を構築。

Cloud9の環境構築・設定

コンソールのTOPページからCloud9の画面に移動して、「Create Envionment」をクリック。

任意の名前(画面はjaws-ug-ehime20)を入力

デフォルトのまま「Next Step」をクリック

確認画面が出るので、内容を確認して「Create Environment」をクリック

画面右上の「Preferences（歯車のアイコン）」をクリックして、Preferences画面が出現したら、「Python Support」をクリックして、「Python Version」をPython 3に変更。

画面下のコンソール画面から呼び出すpythonを3系に変更

画面下のコンソール画面で下記コマンドを実行。

alias python=python36 

alias pip=pip-3.6 

リージョンを設定

「AWS SETTINGS」をクリックして、「AWS Region」をSageMakerのエンドポイントのリージョンに合わせる

Chaliceのセットアップ

Chaliceとは: AWS Lambda & API Gatewayを使ったPythonサーバーレスフレームワーク

Chaliceのメリット:ソースコードを解析して、必要なポリシーを特定、作成・更新・削除を自動的に行ってくれる。

Chaliceのインストール・設定

ChaliceとAWS SDK for Python (Boto3) をインストール

画面下のコンソール画面で下記コマンドを実行

sudo pip install chalice boto3 

アプリケーションのリージョンをモデルと同じリージョンにする為とアクセス権限を設定する為に、次のコマンドで環境変数を設定

<YOUR_ACCESS_KEY>と<YOUR_SECRET_ACCESS_KEY>には「AdministratorAccess - Credentialsの取得」でメモした、アクセスキーIDとシークレットアクセスキーをそれぞれ入力

export AWS_ACCESS_KEY_ID=<YOUR_ACCESS_KEY> 

export AWS_SECRET_ACCESS_KEY=<YOUR_SECRET_ACCESS_KEY> 

export AWS_DEFAULT_REGION=us-east-1 

サンプルアプリケーションデータの作成

画面下のコンソール画面で下記コマンドを実行。

wget https://s3.amazonaws.com/aws-machine-learning-blog/artifacts/decision-trees/decision-trees.tgz 

取得した圧縮データを解凍。

tar xzvf decision-trees.tgz --warning=no-unknown-keyword 

プロジェクトフォルダに移動。

cd decision-trees 

サンプルアプリケーションのデプロイ

画面下のコンソール画面で下記コマンドを実行。

chalice deploy 

※chalice deleteで削除可能

デプロイ後に表示される「Rest API URL」をメモしておくこと。

HTMLユーザーインターフェースの作成

ユーザーがSageMakerを使用するためのHTMLフォームを作成。

Webサイトホスティング用のS3バケットの作成

画面下のコンソール画面で下記コマンド（<bucket name>は任意の値を入力。）を実行。

aws s3api create-bucket --bucket <bucket name> --region us-east-1 

aws s3 website s3://<bucket name>/ --index-document index.html --error-document error.html 

index.htmlファイルの作成

画面下のコンソール画面で下記コマンドを実行。

wget https://s3.amazonaws.com/aws-machine-learning-blog/artifacts/decision-trees/index.html 

にはデプロイしたときに記録したURLを入力（index.htmlのを置換しているだけ）

sed -i s@CHALICE_ENDPOINT@<your rest api URL>@g index.html 

S3にアップロード

画面下のコンソール画面で下記コマンドを実行。

aws s3 cp index.html s3://<bucket name>/index.html --grants read=uri=http://acs.amazonaws.com/groups/global/AllUsers 

機械学習アプリを使ってみる

http://<bucket_name>.s3.amazonaws.com/index.htmlにアクセスすると、冒頭のゴールで記載した通りの4項目が表示されるので、適当な値を入力して、「Submit」ボタンをクリック。

アヤメの品種が表示されたら完成です！