본래는 인공지능 관련 포스트를 잠시 중단하고 로지스틱 회귀 분석 관련 포스트를 진행하려 했지만, 약간 하다 마는 듯한 모양세라 그냥 계속 진행해 보겠습니다. 앞서 소개한 neuralnet, nnet, RSNNS은 제 각기 다른 특성을 지닌 패키지로 R을 이용한 신경망 구성에서 널리 사용되기는 하지만, 몇 가지 단점을 가지고 있습니다. 가장 큰 단점은 모두 싱글 쓰레드를 사용하는 알고리즘으로 속도가 느리다는 것입니다.
최근에 개발되는 여러 딥러닝 관련 툴은 여러 개의 쓰레드는 물론이고 GPU 까지 활용해서 이미지, 음성 등 막대한 컴퓨팅 자원이 필요한 데이터를 처리할 수 있습니다. R에서도 이런 인공 지능 관련 툴을 사용할 수 있는데, 앞서 소개한 텐서플로나 케라스 그리고 앞으로 소개할 MXNet 등이 그런 경우입니다. 여기에 더해 윈도우 상에서도 멀티 쓰레드를 쉽게 지원하면서 R 환경에서 개발이 가능한 H2O 패키지 역시 많이 사용되고 있습니다.
H2O는 자바 기반으로 설치시 반드시 맞는 JAVA 버전이 설치되어 있어야 합니다. 일단 설치를 진행하면 JAVA 버전이 맞지 않는 경우 맞는 버전을 설치하라는 메세지가 나옵니다.
install.packages("h2o", dependencies = T)
library(h2o)
localH2O = h2o.init()
만약 자바 버전이 맞지 않으면 다음의 메세지가 나올 것입니다.
친절하게 맞는 자바 버전 (64비트)의 URL까지 지원하므로 여기서 설치를 진행하면 됩니다. 설치가 완료되면 다시 R 세선을 시작하고 H2O를 실행합니다. H2O는 R 스튜디오와 웹브라우저에서 사용이 가능합니다. 기본 옵션으로 쓰레드의 숫자와 메모리 크기를 지정할 수 있는데 저는 16쓰레드이므로 8개를 지정해 보겠습니다. -1이라고 하면 모든 쓰레드를 다 사용하게 됩니다.
localH2O = h2o.init(ip = "localhost", port = 54321, nthreads = 8)
기본적으로 웹브라이저 로컬 호스트 환경은 포트가 54321이 기본값입니다. nthreads로 쓰레드 할당 숫자를 조정합니다. ?h2o.init 를 통해 상세한 옵션 설정 정보를 알 수 있습니다.
> localH2O = h2o.init(ip = "localhost", port = 54321, nthreads = 8)
Connection successful!
R is connected to the H2O cluster:
H2O cluster uptime: 1 seconds 597 milliseconds
H2O cluster timezone: Asia/Seoul
H2O data parsing timezone: UTC
H2O cluster version: 3.22.1.1
H2O cluster version age: 2 months and 10 days
H2O cluster name: H2O_started_from_R_jjy05_unl204
H2O cluster total nodes: 1
H2O cluster total memory: 7.10 GB
H2O cluster total cores: 16
H2O cluster allowed cores: 16
H2O cluster healthy: TRUE
H2O Connection ip: localhost
H2O Connection port: 54321
H2O Connection proxy: NA
H2O Internal Security: FALSE
H2O API Extensions: Algos, AutoML, Core V3, Core V4
R Version: R version 3.5.1 (2018-07-02)
이렇게 나왔다면 제대로 설치가 된 것입니다. 그리고 웹브라우저를 열어 http://localhost:54321를 치고 아래 화면이 나왔다면 H2O 패키지가 정상적으로 작동한 것입니다.
간단한 사용법을 알기 위해 iris 데이터를 가져와 보겠습니다. 이 경우 R에서 돌아가는 것이 아니기 때문에 R 스튜디오에서 작업을 진행해도 H2O에 데이터를 업로드 해줘야 합니다. as.h2o를 통해 데이터를 업로드 할 수 있으며 destination_frame = "" 을 통해 이름을 지정할 수 있습니다.
data(iris)
iris_h2o <- as.h2o="" destination_frame="iris_h2o" iris="" span="">
제대로 올라갔는지 알기 위해 웹브라우저에서 확인을 해보겠습니다. 초기 화면에서 getFrames를 치고 올라간 데이터 (프레임)를 살펴보면 iris_h2o의 모습이 보이며 이를 클릭하면 세부 정보를 볼 수 있습니다.
h2o.ls()의 코드를 통해 올라간 데이터를 볼 수 있으며 나머지는 R 코드와 동일하게 객체를 볼 수 있습니다.
head(iris_h2o)
str(iris_h2o)
> h2o.ls()
key
1 iris_h2o
> head(iris_h2o)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
6 5.4 3.9 1.7 0.4 setosa
> str(iris_h2o)
Class 'H2OFrame'
- attr(*, "op")= chr "Parse"
- attr(*, "id")= chr "iris_h2o"
- attr(*, "eval")= logi FALSE
- attr(*, "nrow")= int 150
- attr(*, "ncol")= int 5
- attr(*, "types")=List of 5
..$ : chr "real"
..$ : chr "real"
..$ : chr "real"
..$ : chr "real"
..$ : chr "enum"
- attr(*, "data")='data.frame': 10 obs. of 5 variables:
..$ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9
..$ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1
..$ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5
..$ Petal.Width : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1
..$ Species : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1
H2O 클러스터를 끄기 위해서는 h2o::h2o.shutdown(prompt = FALSE) 의 명령어로 빠져나오면 됩니다. R에서 직접 돌아가는 툴이 아니기 때문이죠. 셧다운 이후에는 웹브라우저상에서 http://localhost:54321/flow/index.html라고 해도 아무것도 나오지 않습니다. 셧다운 하지 않은 경우 R 세션을 종료해도 시스템 자원을 그대로 사용할 수 있으니 주의가 필요합니다. H2O는 학습 내용에 따라 매우 많은 자원을 소모할 수 있습니다.
참고
댓글
댓글 쓰기