※ 本記事は、Mark Hornickによる”Announcing GPU support for Oracle Machine Learning Notebooks on Autonomous Database“を翻訳したものです。

Autonomous Database Serverlessでは、Oracle Machine Learning (OML) Notebooksを介してOCI GPU (Graphical Processing Unit)インスタンスへの統合アクセスが提供されるようになりました。Pythonユーザーは、個々のノートブック・レベルでGPUリソースを簡単にアクティブ化し、GPU対応Pythonパッケージを活用できるようになりました。この機能では、Oracle Database 23aiを使用したOracle Autonomous Database Serverlessでの計算負荷の高いタスクに対するGPUの使用がサポートされます。

この初期リリースでは、OML Notebooks Pythonインタプリタを使用して、GPUのパフォーマンスとスケーラビリティを必要とするユース・ケースにPythonコードを開発できます。GPU対応パッケージをOCIインスタンスに透過的にオフロードすることで、AI Vector Searchのバッチ・ベクター埋め込み生成を加速し、ディープ・ラーニング・モデルを構築し、バッチで推論することができます。

GPUの重要性

GPUは、AI埋め込みモデル、ディープ・ラーニング・モデリング、推論など、計算集中型のタスクを並列処理できます。GPUは、様々なユース・ケースでパフォーマンスを大幅に向上させることができます。

GPUは、比例して高いハードウェア・コストをかけずに高いパフォーマンスを実現することで、コンピュート集約型のタスクに対してコスト効率に優れています。

Autonomous DatabaseでのGPUのメリット

この発表により、Autonomous Database Serverlessを使用すると、Pythonユーザーは、GPU対応のPythonライブラリを使用して、NVIDIA GPUによって提供されるパフォーマンスとスケーラビリティを利用できます。ノートブック・サービス・レベルをGPUとして選択することで、データ・サイエンティストと開発者の両方がGPUリソースを1回のアクションでシームレスにアクティブ化できるようにすることで、Autonomous Database ServerlessでのGPUアクセスを便利かつシンプルにするのに役立ちます。これにより、GPU対応Pythonパッケージを使用してワークロードを実行できるGPU VMが、非GPU(CPU)ワークロードとともに自動的にプロビジョニングされます。

図1: Python paragraphsのGPUリソースを有効にするために選択した’GPU’ノートブック・タイプを示すOracle Machine Learning Notebooksエディタ。
 
カスタムconda環境を作成することで、ユーザーは特定のプロジェクトに必要なGPU対応パッケージにアクセスできます。

OMLを使用したAutonomous DatabaseでのGPUの有効化

OML Notebooksを介してAutonomous DatabaseでGPUを有効にするには、次のステップを実行します:

1. ADMINユーザーがカスタムconda環境を作成します。
2. ノートブックを作成または開き、ノートブック・タイプ(サービス・レベル)をgpuに変更します。
3. Pythonコードを実行する前に、conda環境をダウンロードしてアクティブ化します。
4. GPU対応パッケージの機能を使用するコードには、GPUの利点があります。

GPUを使用するには、Oracle Machine LearningアプリケーションのECPU割当てを16以上に設定した有料アカウントが必要です。GPUリソースは、Oracle Autonomous Database Serverless Billing for Database Toolsごとに課金されます。

Autonomous Database GPUの有効化に関するオラクルのロードマップには、いくつかの機能が含まれています:

• OML4Py Embedded Python Execution: Autonomous Database ServerlessでのGPUサポートが拡張され、OML4Py Embedded Python Executionが含まれるようになり、SQLおよびREST APIからデータベース生成および管理されたPythonエンジンでユーザー定義関数を実行できます。これらのユーザー定義関数は、ノートブックと同じconda環境を利用できます。この機能では、SQLおよびREST APIを使用したアプリケーションでのPythonコードの本番デプロイメントがサポートされます。
• OML4Py Spatial AI: Oracle Database 23aiでは、新しい空間機械学習アルゴリズムがOML4Pyに追加されました。GPUの導入により、空間ディープ・ラーニング・アルゴリズムは、GPUを搭載したさらに広範なユース・ケースをサポートします。たとえば、オブジェクトの検出/識別、分類、セグメンテーション、衛星画像やポイント・クラウド・データを使用した変更検出などです。
• ONNX形式モデルGPUオフロード: データベースにインポートされたONNX形式モデルの場合、OML4Pyは、バッチ・スコアリングの実行時にONNXランタイムにGPUを使用することをサポートします。これには、埋込みモデル、分類モデル、回帰モデルおよびクラスタリング・モデルが含まれます。
• 複数のGPUチップオプション: リージョン内で利用可能な様々なGPUチップを活用できます。

試してみてください!

Oracle Database 23aiで有料のAutonomous Database (ADW、ATP)インスタンスを使用して、GPU対応パッケージを使用してconda環境を作成し、ノートブックでGPUリソースを使用できるようにします。詳細は、次に示すリソースを参照してください。

リソース

Oracle Machine Learning Notebooks
Oracle Machine Learning
Oracle Machine Learning Fundamentals LiveLab

将来の製品免責条項

前述の事項は、オラクルの一般的な製品の方向性の概要を説明するものです。情報提供のみを目的としており、いかなる契約にも組み込むことはできません。マテリアルやコード、機能を提供することのコミットメント(確約)ではないため、購買決定を行う際の判断材料になさらないでください。Oracleの製品に説明されている機能の開発、リリース、タイミングおよび価格は、Oracle Corporationの単独の裁量で変更される場合があります。