AWS EC2 Ubuntu GPU 深層学習環境：安全で再現可能な 2026 セットアップ

Table of Contents

Amazon EC2 で安全かつ再現可能な Ubuntu GPU ワークフロー

2017 年版のチェックリストは、全員が書き込める Git デプロイフック、古い Bazel リポジトリ設定、バージョン未指定の TensorFlow ソースビルド、固定されていない Python パッケージ、公開 Notebook の手順を混在させていました。いずれも現在の標準手順には適しません。

2026 年版では最初にバージョン行列とコスト境界を決め、Jupyter をループバックだけにバインドして認証付きトンネルから利用し、マシンを安全に再現または廃止できる証拠を残します。これはワークフローであり、任意のフレームワーク版が任意の GPU、CPU アーキテクチャ、ドライバ、CUDA スタックと動くという保証ではありません。起動前とインストール前に、選択したリリースの公式行列を確認してください。

1. プラットフォーム経路を意図的に一つ選ぶ

経路	適する用途	再現性の境界
AWS Deep Learning AMI（DLAMI）	対話作業を最短でサポート対象として開始	リージョンと AMI ID を固定し、そのイメージのリリースノートを読み、文書どおりに環境を有効化し、プリインストール済み CUDA やフレームワークを安易に置換しない
AWS Deep Learning Container	チームのワークフロー、CI、反復可能なジョブ	不変ダイジェストでイメージを固定し、ホストドライバと GPU ランタイムを記録し、データと秘密をイメージ外に置く
標準 Ubuntu AMI	完全な制御が必要、または AWS イメージが要件を満たさない場合	Ubuntu AMI を固定し、現在の NVIDIA 手順だけでドライバ／ツールキットを導入する。この経路は互換性確認とパッチ管理が最も多い

AWS DLAMI には一般的なフレームワークと NVIDIA コンポーネントが構成済みです。AWS Deep Learning Container 文書から保守中のコンテナカタログへ進めます。標準 Ubuntu は自動的に再現性が高いわけではありません。AMI、リポジトリのキーリング、パッケージ版、フレームワークのロック、検証出力を記録して初めて再現可能になります。

インストール途中で経路を混ぜないでください。特に、選択したフレームワーク文書が明示的に対応すると示さない限り、無関係な CUDA runfile、ディストリビューションパッケージ、pip 提供の CUDA ライブラリを一つの環境に重ねないでください。

2. 起動前に互換性インベントリを作る

最も新しそうな GPU からではなく、必要なフレームワークリリースから外側へ選択します。次の各セルを記録してください。

層	記録する正確な値	根拠／確認方法
AWS 配置	リージョン、アベイラビリティーゾーン、インスタンスタイプ、購入モデル	現在の EC2 コンソール／API とアクセラレーテッドインスタンス仕様
マシンイメージ	AMI ID、イメージ名、所有者、作成日	EC2 イメージ詳細。ID はリージョン固有
CPU	`x86_64` または `arm64`	インスタンス仕様と `uname -m`
GPU	モデル、数、メモリ、NVIDIA アーキテクチャ、Compute Capability	EC2 仕様、`nvidia-smi`、NVIDIA CUDA GPU 表
ドライバ	正確なドライバ版	`nvidia-smi` と NVIDIA ドライバユーティリティ資料
CUDA	ドライバが対応する CUDA 上限と、別にインストール済みツールキット版	`nvidia-smi` は `nvcc` の導入証明ではない。該当時は `nvcc --version`
フレームワーク	名前、正確な版／ビルド、対応 Python/CUDA/cuDNN/Compute Capability	選択したリリースの公式インストール／ビルド行列
Python 環境	Python、pip、直接・推移依存すべて、wheel ハッシュ	この OS、CPU アーキテクチャ、Python 版向けに作ったロックファイル

不明なセルがある、AMI の所有者が想定と違う、CPU アーキテクチャ向け wheel がない、GPU メモリまたは Compute Capability が不足する、フレームワーク行列がドライバ／CUDA の組み合わせと矛盾する場合は、起動前に止めます。

3. セキュリティとコスト制御を先に置く

GPU インスタンス開始前に AWS Budget と通知を作ります。通知だけでは自動停止しません。自動制御が目的なら予算アクションを別途設定してテストします。選択リージョンの現在料金、Spot 中断、クォータ、EBS、スナップショット、パブリック IPv4、転送、アイドル資源を確認します。
インバウンドルール不要の Systems Manager Session Manager を優先します。SSH が必要なら TCP 22 を固定管理者 CIDR だけに許可します。8888 を 0.0.0.0/0 や ::/0 に公開してはいけません。
必要なアーティファクト、データ、ログ、Systems Manager 資源だけに限定した最小権限のインスタンスロールを付けます。長期 AWS アクセスキーをインスタンスへコピーしません。
IMDSv2 を必須にします。ホストのみの構成では hop limit を 1 に保ち、コンテナネットワークで必要な値は明示的に審査します。必要でない限り、メタデータからインスタンスタグを公開しません。
EBS を暗号化し、可能なら永続データと使い捨て作業領域を分離し、各ボリュームの DeleteOnTermination を確認します。インスタンスストアのデータは一時的と見なします。
専用 Unix ユーザーと制限的な権限を使います。chmod -R 777、無認証のデプロイフック、共有書き込み可能な checkout は使いません。

権限を持つ管理端末から、既存インスタンスに IMDSv2 を必須化します。

INSTANCE_ID='replace-with-instance-id'

aws ec2 modify-instance-metadata-options 
  --instance-id "$INSTANCE_ID" 
  --http-tokens required 
  --http-endpoint enabled 
  --http-put-response-hop-limit 1 
  --instance-metadata-tags disabled

第一者資料は IMDS 設定、EC2 IAM ロール、セキュリティグループルール、EBS 暗号化、AWS Budgetsです。

4. 変更前に稼働中ホストを記録する

通常のインスタンスユーザーで実行します。IMDSv2 トークンは短命で、マニフェストに書き込まず、秘密ではない二つのメタデータ項目を取得後に破棄します。トークンヘッダーは curl の引数リストではなく標準入力経由で渡しますが、shell とホストは信頼済みとして扱います。運用インベントリにも機密性のある基盤情報が含まれ得るため、run-manifest/ は非公開にします。

set -euo pipefail
umask 077
mkdir -p run-manifest

cat /etc/os-release | tee run-manifest/os-release.txt
uname -m | tee run-manifest/cpu-architecture.txt
python3 --version 2>&1 | tee run-manifest/python-system.txt

metadata_base='http://169.254.169.254/latest'
metadata_token="$(curl --fail --silent --show-error 
  --request PUT 
  --header 'X-aws-ec2-metadata-token-ttl-seconds: 60' 
  "$metadata_base/api/token")"
for key in ami-id instance-type; do
  builtin printf 
    'header = "X-aws-ec2-metadata-token: %s"n' 
    "$metadata_token" 
    | curl --fail --silent --show-error 
      --config - 
      "$metadata_base/meta-data/$key" 
    | tee "run-manifest/$key.txt"
  printf 'n'
done
unset metadata_token

command -v nvidia-smi >/dev/null || {
  printf '%sn' 'nvidia-smi is missing; stop and repair the driver path.' >&2
  exit 1
}
nvidia-smi | tee run-manifest/nvidia-smi.txt
nvidia-smi 
  --query-gpu=name,pci.bus_id,driver_version,memory.total 
  --format=csv,noheader 
  | tee run-manifest/gpu-inventory.csv

if command -v nvcc >/dev/null; then
  nvcc --version | tee run-manifest/nvcc.txt
else
  printf '%sn' 'nvcc not installed; no local CUDA toolkit recorded.' 
    | tee run-manifest/nvcc.txt
fi

標準 Ubuntu 経路では、現在の NVIDIA CUDA Installation Guide for Linuxに従います。そこでサポートされるリポジトリ／キーリング手順と事前確認を使い、古い apt-key、未署名リポジトリ、HTTP パッケージソースを復活させません。ドライバ変更後、公式手順が要求すれば再起動して再度記録し、ドライバ／ライブラリ不一致なら停止します。

5. 隔離されロックされた Python 環境を作る

選択したフレームワークビルドが対応する Python 版を使います。仮想環境は Python パッケージを隔離しますが、ドライバやシステムライブラリの互換性は解決しません。

本番と同じ OS、CPU アーキテクチャ、Python マイナー版、パッケージインデックスポリシーで requirements.lock を作ります。直接・推移依存をすべて固定し、検証済みハッシュを含めます。使用前にロックをレビューし、長期環境へ版指定なしの pip install tensorflow numpy pandas jupyter を実行しません。

set -euo pipefail
umask 077

python3 -m venv .venv
.venv/bin/python -m pip install 
  --require-hashes 
  --only-binary=:all: 
  --requirement requirements.lock
.venv/bin/python -m pip check
.venv/bin/python -m pip freeze --all 
  | tee run-manifest/python-freeze.txt
sha256sum requirements.lock 
  | tee run-manifest/requirements-lock.sha256

対応対象の標準 Linux GPU 構成では、TensorFlow の現在の公式 pip 経路は tensorflow[and-cuda] extra を使いますが、正確なリリースと解決された全依存をロックする必要があります。DLAMI では文書指定の構成済み環境を有効化する場合があります。TensorFlow pip インストール、Python の venv 文書、pip の再現可能インストール指針を確認してください。

6. フレームワークが GPU 上で実行されることを証明する

nvidia-smi だけでなく、フレームワークレベルの演算を実行します。次の TensorFlow スモークテストはパッケージビルド、可視デバイス、デバイス詳細を表示し、行列積が GPU 0 に配置されることを要求します。

import json
import platform

import tensorflow as tf

tf.random.set_seed(20260901)
gpus = tf.config.list_physical_devices("GPU")
report = {
    "python": platform.python_version(),
    "tensorflow": tf.__version__,
    "build": tf.sysconfig.get_build_info(),
    "gpus": [
        tf.config.experimental.get_device_details(device)
        for device in gpus
    ],
}
print(json.dumps(report, indent=2, default=str))

if not gpus:
    raise SystemExit("no GPU visible to TensorFlow")

with tf.device("/GPU:0"):
    left = tf.random.uniform((512, 512))
    right = tf.random.uniform((512, 512))
    product = tf.linalg.matmul(left, right)

print({"device": product.device, "shape": product.shape.as_list()})
if "GPU:0" not in product.device.upper():
    raise SystemExit(f"operation was not placed on GPU 0: {product.device}")

ロック済み環境のインタプリタで実行し、出力をジョブ記録に残します。GPU が見えるだけでは、数値の正しさ、モデル収束、複数 GPU 通信、混合精度動作、メモリ容量を証明できません。実際のワークロードに近い小さなテストも加えます。

7. Jupyter をローカルかつ認証付きに保つ

Jupyter Server はコードを実行できるため、そのアクセスを shell アクセスと同様に扱います。トークン認証は既定で有効です。認証を有効のままにし、生成トークンをチケットやログに記録せず、ループバックだけにバインドします。

set -euo pipefail
umask 077
mkdir -p notebooks
cd notebooks

../.venv/bin/jupyter lab 
  --no-browser 
  --ServerApp.ip=127.0.0.1 
  --ServerApp.port=8888 
  --ServerApp.port_retries=0 
  --ServerApp.open_browser=False

8888 のインバウンドセキュリティグループルールを追加しません。管理端末から次のいずれかのトンネルを使います。SSH の場合：

ssh -N 
  -L 127.0.0.1:8888:127.0.0.1:8888 
  ubuntu@replace-with-hostname

または Session Manager の前提設定を完了し、ローカルプラグインを導入した後：

INSTANCE_ID='replace-with-managed-instance-id'

aws ssm start-session 
  --target "$INSTANCE_ID" 
  --document-name AWS-StartPortForwardingSession 
  --parameters '{"portNumber":["8888"],"localPortNumber":["8888"]}'

ローカルで http://127.0.0.1:8888/ を開き、インスタンス端末だけに表示されたトークンを入力します。永続パスワードが必要なら Jupyter の対話式パスワードコマンドを使い、ハッシュだけを保存します。パスワードとトークンを同時に無効化してはいけません。Jupyter Server セキュリティ、ループバック既定値と公開サーバーの警告、AWS Session Manager ポート転送を参照してください。

8. コード、秘密、データ、ログを分離する

コード：通常ユーザー所有の checkout を使います。Git で正確な commit と submodule を記録し、未審査の post-receive フックでデプロイしません。
秘密：範囲を限定したインスタンスロールと承認済みシークレットストアを使います。キーを commit、Notebook、AMI／コンテナ、インベントリログへ入れません。
入力データ：可能なら読み取り専用でマウントまたは取得します。データセット版とチェックサムを記録し、非公開オブジェクト URL や顧客識別子は記録しません。
出力：明示した周期で、永続暗号化 EBS または承認済みオブジェクトストレージに checkpoint を書きます。インスタンスストア利用機を停止する前に遠隔コピーを検証します。
ログ：パッケージ、ドライバ、フレームワーク、コマンド、終了状態、時刻、ワークロード指標を記録し、集中保存前にトークン、署名 URL、プロンプト、個人・規制対象データを除去します。

デプロイ権限を変えずにソース状態を記録します。

set -euo pipefail

git status --porcelain=v1
git rev-parse HEAD | tee run-manifest/source-commit.txt
git submodule status --recursive 
  | tee run-manifest/source-submodules.txt

commit 照会は Git `rev-parse`に記載されています。dirty な状態は再現性の停止条件です。高価なジョブの前に commit、破棄、または差分を明示的にアーカイブします。

9. ソースビルドを例外として扱う

ソースパッチ、未対応 Compute Capability、コンパイラ要件が不可避でない限り、リリース済み wheel、DLAMI 環境、または不変コンテナを使います。TensorFlow をビルドする前に、テスト済みビルド構成と該当する Bazel インストール文書から次の行列を埋めます。

必須の固定項目	記録値
TensorFlow タグと完全な Git commit
Python 版
Bazel 版
コンパイラと標準ライブラリ版
NVIDIA ドライバ、CUDA ツールキット、cuDNN
GPU モデル、アーキテクチャ、Compute Capability
ベース AMI またはコンテナダイジェスト
ビルドフラグ、パッチ、wheel ハッシュ、期待テスト

現在の Bazel が古い TensorFlow を構築できると仮定してはいけません。互換性セルが文書根拠ではなく推測のままなら続行しません。

set -euo pipefail
SOURCE_REF='replace-with-reviewed-tag-or-commit'

git clone --filter=blob:none 
  https://github.com/tensorflow/tensorflow.git
git -C tensorflow fetch --tags --prune
git -C tensorflow checkout --detach "$SOURCE_REF"
git -C tensorflow status --porcelain=v1
git -C tensorflow rev-parse HEAD

使い捨てボリュームまたはコンテナ内でビルドし、完全なログを保存し、ソースツリー外の新しい環境で wheel を検証してチェックサムを残します。ビルド完了だけでは GPU 経路や対象ワークロードの動作証明になりません。

10. 非公開の再現性マニフェストを維持する

機械可読マニフェストをロック、テスト出力、チェックサムと共に保管します。アカウント ID、インスタンス ID、内部ホスト名、バケット名、オブジェクトパス、トークン、データセット識別子を公開しません。

schema_version: 1
captured_at_utc: replace-with-iso-8601-time
aws:
  region: replace
  availability_zone: replace
  instance_type: replace
  purchase_model: replace
  ami_id: replace
  ami_name: replace
  cpu_architecture: replace
gpu:
  model: replace
  count: replace
  architecture: replace
  compute_capability: replace
  driver_version: replace
  driver_cuda_ceiling: replace
  toolkit_version: replace-or-not-installed
environment:
  python_version: replace
  framework_name: tensorflow
  framework_version: replace
  framework_build: replace
  requirements_lock_sha256: replace
source:
  commit: replace
  dirty: false
  container_digest: replace-or-not-used
verification:
  gpu_smoke_test: pass-or-fail
  workload_smoke_test: pass-or-fail
storage:
  root_delete_on_termination: replace
  durable_output_location: private-reference-only

マニフェストはシステム事実であり、資格情報ではありません。機密性の高い資源対応表は、さらに狭いアクセス制御の下で別に保存します。

11. 検証、停止、ロールバック、クリーンアップ

有料作業の前に：

予算、通知先、インスタンス料金モデル、アイドル容量を停止する担当者または自動化を確認します。
セキュリティグループに Notebook ポートがなく、IMDSv2 必須、インスタンスロール最小、ボリューム暗号化済みで、必要に応じ SSH／SSM アクセスが記録されることを確認します。
EC2 モデル／アーキテクチャを uname -m、GPU インベントリ、Compute Capability、ドライバ、CUDA ツールキット、ロック済み Python パッケージ、フレームワークビルド情報と照合します。
pip check、GPU スモークテスト、小さなワークロードテスト、checkpoint 復元、トンネル限定 Jupyter を確認します。
ログとマニフェストに秘密や非公開データがなく、インスタンスなしで永続出力を復元できることを確認します。

作業終了時は checkpoint を flush・検証し、Jupyter を止め、マニフェストと必要ログをコピーしてから、権限を持つ管理端末でインスタンスを停止します。

INSTANCE_ID='replace-with-instance-id'

aws ec2 stop-instances --instance-ids "$INSTANCE_ID"
aws ec2 wait instance-stopped --instance-ids "$INSTANCE_ID"

停止するとインスタンス計算料金は終わりますが、EBS、スナップショット、パブリック IPv4／Elastic IP、他サービスの料金は継続し得ます。停止／起動でインスタンスストアのデータは消えます。終了時は既定でルート EBS が削除され、他の EBS は DeleteOnTermination に依存します。操作前に EC2 インスタンス状態変化を確認してください。

終了は、バックアップ、復元、ボリュームフラグ、共有依存、保存義務を明示的な人手ゲートで検証した後だけ行います。ロールバック用に不変 AMI／コンテナ参照、環境ロック、ソース commit、マニフェスト、データ版、既知良好なテスト出力を保持し、文書のないマシンをその場で修理せず再構築します。

12. 公式資料

13. 2017 年原文アーカイブ

出典保存のため、source_export の可視本文を完全に収録します。行末空白だけを正規化し、内容の追加、削除、修正、有効化はしていません。古い HTTP リポジトリ、apt-key、全員書き込み可能なフック、固定されていないインストール一覧、公開 Jupyter リンクは歴史資料であり、実行してはいけません。


1. Git server building.`

$ ssh-keygen -t rsa -C "user.email"`
 Modifying hooks:`

$ vim sample.git/hooks/post-receive`
 Sample code for hooks:`

#!/bin/sh

GIT_WORK_TREE=/home/ubuntu/Deployment/sample git checkout -f

chmod -R 777 /home/ubuntu/Deployment/sample`
2. Install bazel.
 1). Add Bazel distribution URI as a package source (one time setup)

echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list
curl https://bazel.build/bazel-release.pub.gpg | sudo apt-key add -


If you want to install the testing version of Bazel, replace stable with testing.2). Install and update Bazel

sudo apt-get update && sudo apt-get install bazel
 Once installed, you can upgrade to a newer version of Bazel with:

sudo apt-get upgrade bazel


3. Tensorflow compiling.
4. Python module installing.

  - tensorflow
  - numpy
  - pandas

5. Juypter.
 https://punchagan.muse-amuse.in/posts/create-a-public-jupyter-server-quickly.html