TensorFlowのGPU版をMacに対応させる
MacでもTensorFlowでGPUに対応することができるようになりました。ディープラーニングの学習には膨大な計算量がかかります。計算速度を速めることで、ハイパーパラメータやアイデアの検証サイクルが速まり、能率よく開発することができます。 こちらがNVIDIAが計測したAlexNetの測定結果です。 なぜGPUはディープラーニングに向いているか GPUで処理した結果はCPUの7倍以上は性能を発揮できているのです。これは、GPUが行列演算・並列計算を得意としていてニューラルネットと相性がいいからです。 Googleが開発したTPUはさらにGPUの10倍の性能を出すらしい。恐ろしい。 インストール まずは自身のMacがNVIDIAのGPUを搭載しているか確かめて、CUDAをインストールしましょう。 $ brew upgrade $ brew install coreutils $ brew
Mac OS X でTensorflowインストール、Hello world - kz-engineer -SCRAP-
https://www.tensorflow.org/install/install_mac を参考に、Anacondaベースでインストールする 基本の流れ 先立って、Anacondaをインストールしておく Anacondaとは？インストール方法 - kz-engineer -SCRAP- “tensorflow"という名称でconda環境を作る $ conda create -n tensorflow Fetching package metadata ........... Solving package specifications: Package plan for installation in environment /Users/kz/anaconda/envs/tensorflow: Proceed ([y]/n)? y # # To activate this envir
Python: Keras/TensorFlow の学習を GPU で高速化する (Mac OS X) - CUBE SUGAR CONTAINER
Keras というのは Python を使ってニューラルネットワークを組むためのフレームワーク。 Python でニューラルネットワークのフレームワークというと、他にも TensorFlow とか Chainer なんかが有名どころ。 Keras はそれらに比べると、より高い抽象度の API を提供しているところが特徴みたい。 実のところ Keras はデフォルトで TensorFlow をバックエンドとして動作する。 バックエンドとしては、他にも Theano が選べるらしい。 今回は Keras で組んだニューラルネットワークを GPU で学習させてみることにした。 そのとき CPU と比べて、どれくらい速くなるかを試してみたい。 使った環境は次の通り。 $ sw_vers ProductName: Mac OS X ProductVersion: 10.12.3 BuildVersi
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
処理を実行中です
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
