GPU를 사용하여 Landsat 위성 이미지 처리

이 가이드에서는 Dataflow에서 GPU를 사용하여 Landsat 8 위성 이미지를 처리하고 JPEG 파일로 렌더링하는 방법을 보여줍니다.

목표

  • GPU를 지원하는 TensorFlow가 포함된 Dataflow용 Docker 이미지를 빌드합니다.
  • GPU로 Dataflow 작업을 실행합니다.

비용

이 가이드에서는 다음과 같은 비용이 청구될 수 있는 Google Cloud 구성요소를 사용합니다.

  • Cloud Storage
  • Dataflow
  • Container Registry

가격 계산기를 사용하면 예상 사용량을 기준으로 예상 비용을 산출할 수 있습니다.

시작하기 전에

  1. Google 계정으로 로그인합니다.

    아직 계정이 없으면 새 계정을 등록하세요.

  2. Google Cloud Console의 프로젝트 선택기 페이지에서 Google Cloud 프로젝트를 선택하거나 만듭니다.

    프로젝트 선택기 페이지로 이동

  3. Cloud 프로젝트에 결제가 사용 설정되어 있는지 확인합니다. 프로젝트에 결제가 사용 설정되어 있는지 확인하는 방법을 알아보세요.

  4. Dataflow and Cloud Build API를 사용 설정합니다.

    API 사용 설정

  5. 인증 설정:
    1. Cloud Console에서 서비스 계정 키 만들기 페이지로 이동합니다.

      서비스 계정 키 만들기 페이지로 이동
    2. 서비스 계정 목록에서 새 서비스 계정을 선택합니다.
    3. 서비스 계정 이름 필드에 이름을 입력합니다.
    4. 역할 목록에서 프로젝트 > 소유자.

    5. 만들기를 클릭합니다. 키가 포함된 JSON 파일이 컴퓨터에 다운로드됩니다.
  6. GOOGLE_APPLICATION_CREDENTIALS 환경 변수를 서비스 계정 키가 포함된 JSON 파일의 경로로 설정합니다. 이 변수는 현재 셸 세션에만 적용되므로, 새 세션을 열 경우, 변수를 다시 설정합니다.

  7. 이 가이드의 출력 JPEG 이미지 파일을 저장하려면 Cloud Storage 버킷을 만듭니다.
    1. Cloud Console에서 Cloud Storage 브라우저 페이지로 이동합니다.

      Cloud Storage 브라우저 페이지로 이동

    2. 버킷 만들기를 클릭합니다.
    3. 버킷 만들기 대화상자에서 다음 속성을 지정합니다.
      • 이름: 고유한 버킷 이름입니다. 버킷 네임스페이스는 전역적이며 전체 공개로 표시되기 때문에 버킷 이름에 민감한 정보를 포함하면 안 됩니다.
      • 기본 스토리지 클래스: 스탠더드
      • 버킷 데이터를 저장할 위치입니다.
    4. 만들기를 클릭합니다.

작업 환경 준비

이 가이드를 진행하려면 먼저 개발 환경을 설정하고 시작 파일을 다운로드해야 합니다.

  1. python-docs-samples 저장소를 클론합니다.

    git clone https://github.com/GoogleCloudPlatform/python-docs-samples.git
    
  2. 샘플 코드 디렉터리로 이동합니다.

    cd python-docs-samples/dataflow/gpu-workers
    
  3. Python 3.6 가상 환경을 설정합니다.

    이 샘플을 사용하려면 Python 3.6이 필요합니다. 사용하는 Python 버전은 Dockerfile에서 빌드된 커스텀 컨테이너 이미지에 사용된 Python 버전과 일치해야 합니다.

    • Python 3.6이 이미 설치되어 있으면 Python 3.6 가상 환경을 만들고 활성화합니다.

      python3.6 -m venv env
      source env/bin/activate
      
    • Python 3.6이 설치되어 있지 않은 경우 Miniconda를 통해 설치할 수 있습니다.

      a. 운영체제 안내에 따라 Miniconda를 설치합니다.

      b. (선택사항) conda가 기본적으로 기본 환경을 활성화하지 않도록 conda를 구성합니다.

      conda config --set auto_activate_base false
      

      c. Python 3.6 가상 환경을 만들고 활성화합니다.

      conda create --name dataflow-gpu-env python=3.6
      conda activate dataflow-gpu-env
      

    이 가이드를 완료했으면 deactivate를 실행하여 virtualenv를 종료할 수 있습니다.

  4. 샘플 요구사항을 설치합니다.

    pip install -U pip
    pip install -r requirements.txt
    

Docker 이미지 빌드

Cloud Build를 사용하면 Dockerfile을 사용하여 Docker 이미지를 빌드하고 다른 Google Cloud 제품에서 이미지에 액세스할 수 있는 Container Registry에 저장할 수 있습니다.

export PROJECT=PROJECT_NAME
export BUCKET=BUCKET
export IMAGE="gcr.io/$PROJECT/samples/dataflow/tensorflow-gpu:latest"
gcloud --project $PROJECT builds submit -t $IMAGE . --timeout 20m

다음을 바꿉니다.

  • PROJECT: Google Cloud 프로젝트 이름
  • BUCKET: Cloud Storage 버킷

GPU로 Dataflow 작업 실행

다음 코드 블록은 GPU로 이 Dataflow 파이프라인을 실행하는 방법을 보여줍니다.

export REGION="us-central1"
export WORKER_ZONE="us-central1-f"
export GPU_TYPE="nvidia-tesla-t4"

python landsat_view.py \
    --output-path-prefix "gs://$BUCKET/samples/dataflow/landsat/" \
    --runner "DataflowRunner" \
    --project "$PROJECT" \
    --region "$REGION" \
    --worker_machine_type "custom-1-13312-ext" \
    --worker_harness_container_image "$IMAGE" \
    --worker_zone "$WORKER_ZONE" \
    --experiment "worker_accelerator=type:$GPU_TYPE;count:1;install-nvidia-driver" \
    --experiment "use_runner_v2"

이 파이프라인을 실행한 후 명령어가 완료될 때까지 기다립니다. 셸을 종료하면 설정한 환경 변수가 손실될 수 있습니다.

여러 작업자 프로세스 간에 GPU가 공유되지 않도록 하기 위해 이 샘플에서는 vCPU가 1개인 머신 유형을 사용합니다. 파이프라인의 메모리 요구사항은 13GB의 확장 메모리를 사용하여 해결됩니다.

결과 보기

landsat_view.py의 파이프라인은 Landsat 8 위성 이미지를 처리하고 JPEG 파일로 렌더링합니다. 다음 단계에 따라 파일을 확인하세요.

  1. gsutil을 사용하여 출력 JPEG 파일의 세부정보를 나열합니다.

    gsutil ls -lh "gs://$BUCKET/samples/dataflow/landsat/"
    
  2. 파일을 로컬 디렉터리로 복사합니다.

    mkdir outputs
    gsutil -m cp "gs://$BUCKET/samples/dataflow/landsat/*" outputs/
    
  3. 선택한 이미지 뷰어가 포함된 이미지 파일을 엽니다.

삭제

이 가이드에서 사용된 리소스 비용이 Google Cloud 계정에 청구되지 않도록 하려면 리소스가 포함된 프로젝트를 삭제하거나 프로젝트를 유지하고 개별 리소스를 삭제하세요.

프로젝트 삭제

비용이 청구되지 않도록 하는 가장 쉬운 방법은 가이드에서 만든 프로젝트를 삭제하는 것입니다.

프로젝트를 삭제하는 방법은 다음과 같습니다.

  1. Cloud Console에서 리소스 관리 페이지로 이동합니다.

    리소스 관리로 이동

  2. 프로젝트 목록에서 삭제할 프로젝트를 선택하고 삭제를 클릭합니다.
  3. 대화상자에서 프로젝트 ID를 입력한 후 종료를 클릭하여 프로젝트를 삭제합니다.

다음 단계