NVIDIA Jetson Nanoのサンプルアプリを動かしてみよう、Hello AI World、Two Days to a Demo (NVIDIA Jetson Nanoのサンプルアプリを動かしてみよう、Hello AI World、Two Days to a Demo)
# Jetson Nanoを最高速（最大動作周波数）で動作させる sudo nvpmodel -m 0 sudo /usr/bin/jetson_clocks user@user-desktop:~$ ls -l /usr/local/ lrwxrwxrwx 1 root root 9 3月 13 18:34 cuda -> cuda-10.0 drwxr-xr-x 12 root root 4096 3月 13 18:33 cuda-10.0 user@user-desktop:~$ ls -l /usr/local/cuda/samples/ total 104 drwxr-xr-x 39 root root 4096 3月 13 18:30 0_Simple drwxr-xr-x 7 root root 4096 3月 13 18:30 1_Utilities drwxr-xr-x
ubuntuにCUDA、nvidiaドライバをインストールするメモ - Qiita
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600 sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/ /"
NVIDIA GPU搭載MacBook ProにUbuntu 18.04を入れてCUDA/cuDNN/Tensorflow機械学習環境を構築
こちらのバージョン対応表（GPU）と異なるのはcuDNNのみで、テスト済みとしは7.4となっていますが、7.6.5でも大丈夫でした。 Ubuntu 18.04LTSデュアルブート環境の構築 こちらを参考にmacOSとUbuntuのデュアルブート環境を構築します。 Ubuntu起動メディアの作成 こちらからUbuntu 18.04のdesktop imageをダウンロードし、Etcherなどで.isoファイルをUSBメディアやSDカードなどに書き込みます。 Ubuntu用パーティションの作成 Command＋Rを押しながら電源を入れ、リカバリーモードでMacを起動します。ディスクユーティリティを立ち上げ、内蔵ディスクのトップを選択して「パーティション作成」ボタンを押します。（「ボリュームを追加」ボタンではありません） 円グラフの下にある「＋」ボタンを押し、パーティションに”UBUNTU”など
画像認識のためのさいつよツール「digits」の紹介 その2 - UEQareer
皆さんこんにちは菊池です 今回はdigitsの二回目で 実際に学習をしてみましたという記事です テストデータなのですがMNISTという有名な手書き文字のデータセットを使います。 自分でデータセットを作るのはめんどくさいしね ちなみにこのチュートリアルはgithubに同じものが載っています Getting Started この記事では dockerでdigitsを立ち上げているという前提で話を進めています docker run --name digits -p "5000:5000" -v ./images/:/mnt/volumes/images kaixhin/digits はじめに手書きのデータをダウンロード docker exec -it <コンテナ名> /root/digits/tools/download_data/main.py mnist /mnt/volumes/image
機械学習の環境をDIGITSとDockerを使って簡単に整える話 - nametake-blog
機械学習が何をやっているのか全くわかっていなくても 簡単に画像処理の機械学習を行える環境を整えた話。 この記事の目標は、何もわからなくてもとりあえず画像を機械に学習させる、です。 (細かい部分が全くわからないことの言い訳) 今回は、Digitsという、NVIDIAが作っている Caffeという機械学習ライブラリのWebアプリを使ってみる。 また、めんどくさい導入部分を全部Dockerにやってもらう。 事前準備 docker-machine導入済み docker-compose導入済み docker-machineでdefaultという名前のマシンを作ってある前提で進めます。 docker-machineってなんだよって人は 公式ドキュメントのDocker Machineの項目を 読めばいいと思う。 Digitsが動いているコンテナを立てるまで 以下のdocker-compose.ymlファ
GPUなしのNVIDIA DIGITS3で始めるDeepLearning - Qiita
はじめに 主に下記の動機があってこの記事を書きました。 ある理由で単純な画像のカテゴリ分けをしたくなったのですがせっかくなのでDeep Learningを使ってみようと思いました。 NVIDIA製GPUを積んだマシンがない。 NVIDIA Deep Learning Day 2016でDIGITSの話を聞いて面白そうだったので試してみたい。 Deep Learningそのものについての解説は含みません。 CaffeとDIGITSを使います。どちらも未導入の状態から開始します。 TensorFlowやChainerについて試してみたい場合はshu223さんの ディープラーニングの有名ライブラリ5種を最短距離で試す半日コース（TensorFlow, Chainer, Caffe, DeepDream, 画風変換）を参照してください（とてもわかりやすいです）。 対象読者 Deep Learnin
これからでも遅くない、こっそり学ぶディープラーニング
この特集では、話題のディープラーニングの基礎を解説する。ディープラーニングの概要と「AI」「ニューラルネットワーク」などの関連用語を説明し、パソコンとソフトを使ってディープラーニングを試す方法を紹介する。 ゲーミングPCに構築したディープラーニング環境で実際に画像を分類させてみる 前回は、MNISTデータセットを使って、LeNetを動かしてみた。ここではまず、学習データがどうなっているか、ユーザーディレクトリにあるmnistディレクトリを見てみることにしよう。 2016.12.06 ゲーミングPCで試すディープラーニング、NVIDIAのDIGITSを使ってみる 今回は、ゲーミングPCにDIGITSをインストールし、モデルを定義してからニューラルネットを定義して、テスト画像を分類させる方法を紹介します。 2016.12.05 ゲーミングPCで試すディープラーニング、NVIDIAのドライバーと
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
NVIDIA DIGITS 4.0をインストールしてみた | SoraLab / ソララボ