投稿

Ubuntu 18.04 + DeepLearning4J + Eclipseの環境構築

前提 Ubuntu 18.04 Akitio node (thunderbolt3) Geforce 1050Ti(10系ならOK) CUDA 10.0 cuDNN 7.4 手順 もし、NVIDIAドライバーをインストール済みの場合は、NVIDIAドライバとCUDAをアンインストール(削除)する。 既存のNVIDIAドライバとCUDAは削除。https://askubuntu.com/questions/206283/how-can-i-uninstall-a-nvidia-driver-completely sudo apt-get --purge remove nvidia-* sudo apt-get --purge remove cuda-* sudo apt autoremove sudo rm /etc/X11/xorg.conf sudo rm /etc/modprobe.d/blacklist-nouveau.conf echo 'nouveau' | sudo tee -a /etc/modules sudo apt update AkitioNodeは接続しておく。 NVIDIAのCUDAインストールガイドに従ってインストール gccとかも必要なので最初からちゃんと読むこと。 gccなどはこれで一発かも。バージョンに注意。 sudo apt-get install build-essencial CUDAのインストールは、deb(network)が楽ちん。debとrunではインストール方法が違うので注意。今回はdeb。 キーを照合するときはカレントディレクトリをdeb or pubをダウンロードしたディレクトリにしておく。 念の為、ガイドの通り、Nouveauを無効化しておく(不要かも) こんな感じでもできる(nogpumanagerを追加)。 sudo vim /etc/default/grub GRUB_CMDLINE_LINUX_DEFAULT="quiet splash nogpumanager"  編集したら、 sudo update-grub ガイドの通りパスを設定。 ホームディレクトリで、 vim .bashrc こ

Keras+TensorFlowを用いた深層学習環境構築(CPU/GPU)

イメージ
前提 以下の条件を満たすPCで動作させる Windows10 NVIDIAの最近のGPU(ここでは、省電力かつエントリーレベルの1050Tiを例に用いる) 必要なもの Anaconda 手順 Anacondaに仮想環境を追加。(今回はPythonのバージョンは3.6とし、名前をpy36とする) この仮想環境に次の順序でパッケージをインストールしていく(Environmentタブで、検索して、チェックボックスにチェックしてApplyするのみ) まず、 kerasとtensorflowをインストール 次に keras-gpu tensorflow-gpu 次に、以下のパッケージもインストールする cudatoolkit cudnn ※cudatoolkitとcudnnは適切なバージョンの組み合わせ(例えばcuda9.0+cudnn7.0など)を選択する必要があるが、自動で選択される。 仮想環境(例えばここではpy36という名前にしている)のTensorFlowがGPUを認識できているか確認する MNISTのサンプルで実際のトレーニング動作を確認する。 https://github.com/keras-team/keras/blob/master/examples/mnist_cnn.py (メモ帳などにコピペして、すべてのファイル/UTF-8で.py拡張子もつけて保存) 実行コマンド例 (py36) C:\Users\tatsu>python C:\Users\tatsu\OneDrive\デスクトップ\mnist_cnn.py 結果、データのロードに50秒ほど、1エポックにつき11秒で計算できることを確認。 データのロード+12エポックが約3分で完了する。 補足 あえてCPUでの動作を確認する場合は、tensorflow-gpuをアンインストールするというのもいいが、例えば、上記のテストコードに数行のコードを追加するだけでも確認できる。 ~ from __future__ import print_function """ここを追加""" import os os.environ["CUDA