Chainer:GPUを使うプログラムはどう書くか | Webシステム開発／教育ソリューションのタイムインターメディア
ChainerでGPUを使ってみようで、MNISTのデータセットを使ったディープラーニングのサンプルプログラムである train_mnist.py のコマンドで、-gpu 0 でGPUが使えることを示した。 つまり、操作説明をしたに過ぎなかったが、今回は、プログラムレベルでどう対応しているか見てみよう。 プログラムは,https://github.com/pfnet/chainer/tree/master/examples/mnist である。 parser.add_argument('--gpu', '-g', type=int, default=-1, help='GPU ID (negative value indicates CPU)') ここで、 -gpu の処理が行われ、args.gpu に整数値が入る。 デフォルト値は -1 で、GPUを使用しないことを示す。 if args
MNIST DatasetをChainerで,GPUを利用して学習するまで - automatik
もう少ししたら発表があることに気づいて必死でモデルを組み始めた。 ちょっとChainerを思い出しながら書いて,GPUも手に入って環境も整ったこともあり,一回MNISTを分類してみようかと。 いろんなブログやらqiitaを参考にしながらもう一度書いてみた。 CPUモードからGPUモードに変更するときは # GPUの設定 cuda.get_device(0).use() model.to_gpu() # modelの設定後(この場合インスタンス化のあと)に行うこと。 これと xp = cuda.cupy これでnumpyの配列をすべてxpで変えていく。 注意として,numpyにはあったメソッドがxpでなかったりするので,そこらへんはちょろちょろ自分で書いたりしなきゃいけないかも. 今回少しだけはまった点としては def forward(self, x_data, y_data, train=
ChainerのコードをGPU対応にする - Qiita
この記事はACCESS Advent Calendar 2016 23日目の記事です。 ですが、ACCESSとの関係は特になく、私の趣味の範囲の話です :) Chainerで、コードをざっと書いた後、GPU対応にしたい、ということは良くありますよね（多分） そこで、GPU対応していないコードをGPU対応する方法を説明します。 知識がほぼ無い状況から書き始めたので、わたしの作業メモになっていますが、何か参考までに。 とりあえず cuda.cupy 元のコードが以下のようにあるとします。（このサンプルコードは、はじめての深層学習プログラミング からの引用です。とても分かりやすい本なのでオススメです！） import numpy as np import chainer.functions as F import chainer.links as L from chainer import Va
ChainerやTensorFlowでGPUを使うと毎回結果が変わる理由と対策 (まとめ) - Qiita
##結論から ChainerやTensorFlowなどの機械学習(特にDeepLearning)フレームワークでGPUを使うと、誤差程度ではあるものの演算結果が毎回変わってしまいます。(非決定的な演算) 「乱数使ってるから当たり前でしょ」って話ではなく、乱数種を指定してもGPU内部での演算順序が非決定的であるためGPU演算の結果は安定しません。 浮動小数点演算なので誤差が出るのは当然だが、その誤差が安定しない(非決定的)なのが気になるところです。 Chainerでは環境変数(CHAINER_CUDNN)の指定またはConvolution2Dなどへのパラメータ追加で本事象を回避可能。 TensorFlowについてはGoogle社曰く「EigenライブラリまたはcuDNNの仕様によるとのこと」であり現状では対応策無し。(詳細は次の記事に記載のIssuesを参照のこと) 尚、Caffeでも同様の
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
