Jupyter上で使用するGPUを指定する最適解 - Qiita
皆さん、DNNしてますか？ 私はお金もないので共用サーバのGPUを使ってプログラムを動かしています。 ですが共用サーバ上でJupyterを利用するとき、私はいつも不安を抱えていました。 というのも、Jupyter上でTensorflowを実行すると基本的に全GPUを食い尽くしてしまうからです。 共用サーバでこんなことをすると周りの目が怖いので、各自使用するGPUを指定するのですが、その設定は若干面倒です。 通常のプログラムを実行するときは export CUDA_VISIBLE_DEVICES=0 #GPU一つ利用 export CUDA_VISIBLE_DEVICES=0,1,2 #GPU複数利用
nvidiaのgpuメモリが解放されない場合の解決方法 - Qiita
Processesには何もないのにMemory-Usageでメモリいっぱい使っている。 これのせいでout of memoryになって何も実行できない。 +------------------------------------------------------+ | NVIDIA-SMI . Driver Version: | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | |===================
GeForce RTX 2080 TiでTensorCoreを使う(その２ FP16対応) - TadaoYamaokaの日記
前回、GeForce RTX 2080 TiのTensorCoreによる推論の速度を、cuDNN 7.2で追加されたCUDNN_TENSOR_OP_MATH_ALLOW_CONVERSIONオプションを使用して、内部的にFP32からFP16に変化させることで測定を行った。 今回は入力から出力までを、FP16にして測定してみた。 FP16対応 cuDNNをFP16で使用する方法については、以前に記事にした。 その時にいくつか誤りがあったので訂正しておく。 畳み込み(cudnnConvolutionForward)などのAPIには、alphaとbetaというスケールパラメータがあるが、前回は__halfにしていたがfloatにする必要があった。 また、BatchNormalizationのパラメータは、入力と出力のディスクリプタがFP16であってもパラメータはすべてfloatにする必要があった
Kerasで複数のGPUを使い、学習を高速化してみた - WonderPlanet Developers’ Blog
こんにちは。アドバンストテクノロジー部のR&Dチーム所属岩原です。 今回はKerasで複数のGPUを使う方法を書きたいと思います。 Keras 2.0.9から簡単に複数GPUを使用した高速化が可能に。 Keras2.0.9からtraining_utilsというモジュールにmulti_gpu_modelという関数が追加されました。 コレを使うと、学習を複数のGPUで行わせることが可能になります。 inputをGPUの数だけ分割することによって、並列化を実現しているようです。 keras/training_utils.py at master · keras-team/keras では、実際に試してみましょう。 環境 AWS EC2(p2.8xlarge) -> GPU8本 Deep Learning Base AMI (Ubuntu) Version 2.0 (ami-041db87c) -
GPUでディープラーニングやるならAWSよりFloydHub - Qiita
UdacityのDeep Learning Nanodegree Foundation のコースでFloydHubという便利なサービスが紹介されていました。ディープラーニングのHerokuだそうです。 GPUが使えるプランも月額14ドルからなので、手軽にGPUでディープラーニングを始めることができます。 TensorFlowとKerasがデフォルトですが、他にもPyTorchやChainerなどメジャーなフレームワークはだいたい使えるようになっています。 2017/10/18 追記 この記事を書いた直後に、KaggleのKernelについての記事が投稿されています。Kaggleのデータセットに限って言えば、Kernelを使う方が簡単そうです。 パワーアップしたKernelでKaggleに飛び込もう - Qiita FloydHubのいいところ 起動が簡単 floyd-cliというコマンドラ
趣味用に安く深層学習PCを作った - Qiita
趣味でディープラーニングで遊ぶためのPCを作ったので、メモ。 前提 趣味ならクラウドでいいじゃん、と思われるかもしれないが、AWSのGPUインスタンスだと1時間に100円くらい取られる。GAN系の画像の生成とかやりたい時は、様々なパターンを試してみて、いいものができるか試行錯誤するので、結構使う。 AWS止め忘れて過大な請求くるのも怖い。あくまで趣味の範囲なので、のびのびと遊べるローカル環境の構築を行った。 もともと使ってたPCは、 Intel Core i7 4770 メモリ8G GTX 750Ti に、Ubuntu入れて使っていた。色々できないので、ディープラーニング専用機を構築しようと決意。 GPU まずはGPU。趣味用とは言え、GPUをケチるとやりたいことができない。特にメモリサイズは重要。モデルの読み込みに支障が出たり、学習時のバッチサイズに影響が出てくる。 2016/1/30現
NVIDIA Dockerで簡単にGPU対応のTensorFlow入りコンテナを作る方法
こんにちは。 小説家になろうの作品群を読んでいたら連休が終わりそうです。 連休の終わりのアンミラ帰りに衝撃作TensorFlowでGPUが使えないとそのアンサーエントリであるTensorFlow on DockerでGPUを使えるようにする方法を読み、書いてみたエントリです。先月購入した最低限Maxwell的なグラフィックカード(図1)絡みで見つけたNVIDIA Docker、なかなか良いものなのでもっと多くの方に知ってもらいたいなと思い。 今回はNVIDIA Docker + TensorFlowでGPUを有効活用する手順を紹介します。他の方による関連記事として、日本語でのNVIDIA Docker + Caffe解説はすでにUbuntu14.04.3でnvidia-docker使ってCaffeをインストールしてみたがあります。Caffeな方はそちらを参照ください*1。今回はお題がTen
Ubuntuアップデートしたらログインできなくなった(nvidia GPU使用) - 備忘録とか日常とか
いつものようにUbuntu14.04のアップデートが来たので、 促されるままにアップデート・再起動したらGUIでログインできなくなった話。 何とか直せたのでメモしておく。 結論から言うとnvidiaのGPUのせいらしい。 かなり試行錯誤したのでもっとスマートにやる方法も多分あるけど一応。。 環境： Ubuntu14.04 GeForce GTX970 参考元は以下 Ubuntuで認証画面を無限ループさせる方法と対処 - 拾い物のコンパス 本の虫: Ubuntu 14.04のUnityの設定をぶっ壊した場合の修復方法 Ubuntu14.04にCaffeをインストールしたらCUIでしか起動しなくなったからどうにかした話 - モノクロタイム ubuntuにnVidiaドライバを入れたらUnityが起動しない場合の対処 - Qiita Ubuntu 14.04 で 最新の NVIDIA ドライバー
Graphics issues after/while installing Ubuntu 16.04/16.10 with NVIDIA graphics
I installed or upgraded to Ubuntu 16.04, but I'm having some problems with my graphics card. The display is blank The display flickers Items on the screen do not display correctly Certain programs complain of graphics issues The computer boots to low-graphics mode Your specific issue may not be here, but try the solutions described in the answers anyway. This question is very broad, but each one o
OpenCV-2.3.2-GPU-demo-pack-win32を試す
久々の投稿ですがSourceforgのOpenCVのページにGPUデモのプログラムが公開されていました。 http://sourceforge.net/projects/opencvlibrary/files/opencv-win/2.3.1/ バージョンもOpenCV2.3.2 って、まだ公開されていないのに．．． で早速、このファイルをダウンロードし、試してみました。 私の環境は OS:Windows7 64bit （ただし、サンプルは32bit動作） CPU:Core i7 870 (2.93GHz) GPU:NVIDIA GeForce GTX470 で、パフォーマンス評価用のサンプル（demo_performance.exe）を実行した時の結果がこちら↓
OpenGLによる実装方法 - Satoshi OHSHIMA's web site
GPUによる数値計算をOpenGLで実装する方法について．いわゆるチュートリアル． 注：nVidiaの資料によると，CPU-GPU間のデータ転送にはPBOを使うのが一番良いらしいですが，まだそこまで実装してません．某誌によると、むしろFBOが推奨？ ベース 環境構築 手順 ステップ１ ステップ２ シェーダの簡易化 浮動小数対応テクスチャ CPU-GPU間のデータ転送 GPUからCPUへのデータ転送 CPUからGPUへのデータ転送 一旦掃除 テクスチャ周りの整備，加算プログラムの完成 ステップEx その他 GLSLシェーダの外部ファイル化 ダウンロード ベース GPGPU DEVELOPER RESOURCESのUtility CodeのFramebuffer Object (FBO) Classをベースにする．多少古いが，基本的なことは変わらない． Windows/Linux両対応のソース
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
DeNA AIシステム部におけるクラウドを活用した機械学習基盤の構築
Installing the TensorFlow Docker image for GPUs on Ubuntu 16.04 - Robert W. Rose
Ubuntu14.04にCUDA Toolkit or NVIDIAグラフィックスドライバを入れるとGUI環境でログインできなくなる問題について - 六彩庵
Stackless KD-Tree Traversal for High Performance GPU Ray Tracing
OpenCV_GPU - OpenCV Wiki