Ubuntu 16.04 lts + CUDA9.0 + cuDNN 7.1.3 Tensorflow1.6 コンパイルまで - 機械学習備忘録
Ubuntu14.04 LTS を dist upgrade で、16.04 にしたので、CUDA と cuDNN を入れ直しすことにしました。 NVIDIA Driver を入れ直す Before installing the CUDA Toolkit on Linux, please ensure that you have the latest NVIDIA driver R390 installed. The latest NVIDIA R390 driver is available at: www.nvidia.com/drivers を発見。 現在のバージョンを確認。 $ nvidia-smi Tue May 1 21:25:53 2018 +-------------------------------------------------------------------
Google開発のビルドツール「Bazel」のインストールと使いかた: Hatakazu's weBLOG
「TensorFlow」をソースからインストールする場合、ビルドツールとしてGoogleが開発した「Bazel」を使用する必要があります。 hatakazuが動かしたいと思っているコンピュータ囲碁プログラム「AQ」と「PhoenixGo」も、「TensorFlow」フレームワークにもとづいているので、ソースから「Bazel」を使ってビルドすることになっています。 そういうわけで、あらかじめ「Bazel」をインストールしておくことにしました。 Bazel: プロジェクトページ、GitHubレポジトリ、インストール手順 ここでは、「Ubuntu 18.04 LTS 日本語 Remix」に「Bazel」をインストールする方法と、基本的な使いかたについて記述していきます。 1. 前提となる環境 インストールするコンピュータの仕様は以下のとおり。 -- Dell Inspiron 14 7472 C
TensorFlow を Intel CPU で最適化してみた
自分のローカル環境(MacBook)で少しでも実行速度を改善しようとしたときの メモです。 はじめに 自分のローカル環境(MacBook 12inch, 2016, SkyLake CPU) は決して速いマシンではないです。 ファンレスなので熱くなりやすいし、そもそも TDP 5W クラスなのであまり無理はできません。 それでもやはりローカル環境もある程度使うことを考えておかないと、ちょっとしたことを 試すには不便です。 というのも、Keras + TensorFlow に最初に手をつけるであろうサンプル (keras/examples/mnist_cnn.py) を物は試しで動かしてみたところ、77分程かかってしまいました。 まずは通常のインストール 自分の環境は、以下のようになっています。 bash$ sw_vers ProductName: Mac OS X ProductVersi
TensorFlowをソースからビルドする方法とその効果 - 株式会社カブク
はじめに カブクで機械学習エンジニアをしている大串正矢です。今回はTensorFlowをソースからビルドする方法とその効果について書きます。 背景 機械学習ではトライ&エラーが当たり前です。この回数をできるだけ多くすることでより良いモデルの選定が可能になります。そのために少しでもモデルの学習速度を上げたいので今回はその手段の一つであるTensorFlowをソースからビルドすることによる高速化について紹介します。 TensorFlowをソースからビルドすることによって得られる最適化について sourceからビルドしていない場合は下記のメッセージが出ます。(TensorFlow1.8.0の場合)CPUに用意されている命令セットAVX2、FMAを使用していないことになります。 CPUでこれらの命令セットに対応している場合はソースからビルドする方が早くなります。 2018-05-01 17:28:
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
Loading...
Linux(WSL)上でTensorFlowをソースコードからビルドする - mshr-h - Medium
TensorFlow をソースからコンパイル 20180917版 - Qiita
TensorFlowをUbuntu16.04、GeforceGTX1070の環境でコンパイルしたときのメモ