まっさらな状態からUbuntu14.04LTSでChainerのFaster-RCNNを使って物体検出 - 可変ブログ
Faster-RCNNを実装したのでそのメモを残します。 なるべく初めてでもできるように、まっさらな状態から環境構築して実装までやっていきます。が、この分野の知識が全くない状態から始めているので、間違いがあるかもしれません。気をつけてね。 ちなみにCaffeじゃなくてChainerを選んだ理由は導入が簡単だったからです。最初Caffeでもやろうとしたけど挫折しました。Caffeはまた時間があるときに再挑戦してみます。 とりあえず投稿したけど、書きかけでまだわかりづらいところもあると思うので、時間があるときに加筆修正したいと思います。長いから記事を分けるかも。 環境 【ハードウェア環境】 Quadro6000 【実装したソフト環境】 Ubuntu14.04LTS Anaconda3-4.1.1（Python） CUDA8.0 cuDNN5.1 OpenCV3.1 Chainer（バージョン不
Deep Learning/Chainer1.5の導入 - labs.beatcraft.com
Open Source Gadgets ├bc10Mk-II ├bc10 └bc9 Software ├Android ├ANT ├OpenFlow ├Docker ├OS X ├CUDA ├Synthesijer ├JavaRock ├Nios II uClinux ├Hadoop ├Python ├Deep Learning ├intel IPP └tips Hardware ├Armadillo ├Raspberry Pi ├BC-USB-Kit ├ANT ├DE0-nano ├Parallella ├Intel Galileo ├Intel Atom ├Sensor ├Camera Module └gumstix 電子工作 Demos 講演資料 参考資料 その他 BC::labs(en) Obsoletes FAQ Googleグループ bc9-dev STAFF BLOG ├BC
Ubuntu14.04 ServerでCUDA 6.5.14の環境を整える - のんびりしているエンジニアの日記
皆さんこんにちは お元気ですか。私は元気です。 さて、今日はUbuntu 14.04 ServerでCUDAの環境を整えようと思います。 何やらapt-getを使う方法がweb上では沢山見受けられますが、今回はrunを使ってインストールしてみます。 環境 OS:Ubuntu 14.04 Server LTS CPU:Intel(R) Core(TM) i7-4790K CPU @ 4.00GHz GPU:GeForce GTX 970 sudo apt-get install build-essential Driverについては別のversionを利用したいので、extractを使ってDriver ,Tool kit,Sampleを分離します。 wget http://developer.download.nvidia.com/compute/cuda/6_5/rel/installer
Ubuntu 14.04.3 LTS に Chainer をインストールする - 不確定特異点
Deep learning のフレームワークである Chainer を試用してみたところ、サンプルの MNIST の学習に時間がかかりすぎて、これは CPU に計算させる代物ではないことを悟りました。そこで、GPU を使って計算するための環境を整えることにしました。 環境 CPU Intel Core i7-3770K@3.50GHz Memory 16 GB SSD 256 GB GPU NVIDIA GTX 960 (MSI GTX960 GAMING 4G) Chainer のバージョン 本記事の執筆時のバージョンは v1.4.0 です。（※2015/11/28追記） Ubuntu 14.04.3 LTS のインストール UNetbootin で USB に Ubuntu の iso ファイルを書き、USB ブートした上でインストールしました。SSD のパーティション構成は以下のよう
WindowsでChainerのGPU版MNISTサンプルを動かすまで【cuda 7.5】 - 俺とプログラミング
日本発のディープラーニングフレームワークであるChainerを64ビットWindowsにインストールしてGPU版MNIST手書き文字認識サンプルを動かすところまでを解説します。 Chainer自体のインストールはとっても楽ですが、GPUで使おうとすると結構はまります。 必要なもの 手順 1. 64bit版 Python2.7のインストール (標準でpipもついてくる) 2. numpy64bit版のインストール 3. Chainerのインストール 4. CPU版のサンプルを動かしてみる 5. Visual Studio 2013 Communityのインストール 6. CUDAのインストール 7. GPU版のサンプルを動かす 必要なもの NVIDIAのGPU搭載の64ビットWindowsマシン 手順 1. 64bit版 Python2.7のインストール (標準でpipもついてくる) Pyt
ChainerのCupyでGPUを有効活用しよう - mktozkの日記
お久しぶりです、@mktozkです。 2ヶ月くらいブログの更新をしてませんでした。 おちこんだりもしたけれど、私はげんきです。 さて、今日はディープラーニングのフレームワークであるChainerに含まれているCupyというライブラリについて話します。 ChainerはCupyを使って様々な計算をGPU (CUDA) で行っています。 今回はこのCupyを使って楽に色んな計算をGPUに投げることを目指します。 ディープラーニングの話は全くしません。 chainer.org この記事を読んだらわかること Cupyの使い方 CupyとNumpyの両方に対応したコードの簡単な書き方 この記事には書いてないこと CUDAカーネルの書き方と使い方 この記事で使用したコードはここかここから取得できます。 ちなみに、Chainerはv1.5.1です。 GPUは速い Cupyとは Cupyの導入 Cupyの
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
Chainerのテスト環境とDockerでのCUDAの利用