Tag Archives: AI

はじめに

この記事では、以下内容を記載しています。

  1. Ubuntu 18.04 LTSに、最新のChainer 5.1.0(2019/1/21 執筆時点)をインストールする
  2. GPUを設定する
  3. MNISTサンプルを実行する

私のデスクトップPCのスペックは以下の通りです。

  • マザーボード:ASRock Z370M-ITX
  • CPU:Intel Core i5 8400 BOX
  • GPU:NVIDIA GeForce GTX 1060 6GB (*1)
  • メモリ:DDR4-17000 8GB
  • SSD:M.2 256GB
  • 電源:SILVERSTONE SST-SX600-G
  • CPUクーラー:白虎 775-1366
  • ケース:RAIJINTEK METIS PLUS

 

このデスクトップPCは、Deep Learningを勉強するために、2018年3月に購入しました。
それぞれ安い部品をネットや実店舗で探して購入しました。パーツ代は合計で約10万円ちょいだったと記憶しています。

(*1) 当時、マイニングが流行っており、GPUがとても高価でした!今は当時と比べると1万円ほど安くなってました。。。

 

普段はノートPCからSSHでアクセスして動かしていますが、今回はデスクトップPC上で操作しています。

 

 

最新のChainerをインストールする

ターミナルを開き、以下コマンドを順番に入力してください。

 

これで最新のChainer がインストールされます。
もし5.1.0をインストールしたい方は、以下のようにコマンドを入力してください。

 

GPUを設定する

次にGPUをセットアップしていきます。
NVIDIAが提供しているCUDAというライブラリと、それに対応したGPUを利用することで、Chainerの学習時間を劇的に短縮できます。

学習内容や使用するGPUにもよると思いますが、私の場合、約5倍ほど早くなっています。
もしGPUをお持ちでしたら、設定することをおすすめします。

 

1. CUDAのインストール

以下ホームページにアクセスしてください。

https://developer.nvidia.com/cuda-toolkit

 

まず、”Downloard Now” をクリックします。

次に、環境に合わせて選択していきます。私は以下のように選択しました。

  • Operation System: Linux
  • Architecture: x86_64
  • Distribution: Ubuntu
  • Version: 18.04
  • Installer Type: deb(network)

 

Installer Typeを選択すると、下にDownloadのリンク先が”にょきん”と出てきますので、Downloadをクリックします。
2.9KBしかないので、一瞬で終わります。

 

ダウンロードが終わったら、今度はそいつを展開し、インストールしていきます。
デフォルトではダウンロードディレクトリにあるはずです。

今回はひとまずホームディレクトリに移動し、CUDAをインストールします。
再びターミナルを開き、以下コマンドを順番に入力してください。

 

私はこの手順でやったところ、何故かエラーが発生し、インストールできませんでした。
このコマンドを打って再インストールしたところ、無事にCUDAがインストールできました。

インストール後は、PCを再起動してください。

再起動後、ターミナルを開き、以下コマンドを入力してみてください。

 

以下のような表示がされれば、インストール成功です。
この表示をやめる場合は、Ctrl + c を入力してください。

 

2. cuDNNのインストール

cuDNNはNVIDIAが公開しているディープラーニング用のライブラリです。

以下ホームページにアクセスしてください。

https://developer.nvidia.com/cudnn

Download cuDNNをクリックします。

 

するとメンバーシップ登録の画面が出てきます。
初めての方はJoinをクリックし、メンバーシップ登録してください。
私は過去にダウンロードしたことがあり、メンバーシップになっているのでLoginをクリックしました。

自身のアカウントでログインすると、以下画面が開きます。

 

cuDNN Software License Agreementにチェックします。

すると”にょきっと”選択画面が出てくるので、cuDNN v7.4.2 をクリックします。

 

するとさらに、”にょきっと”選択画面が出てくるので、以下の3つをクリックし、それぞれインストールします。

  • cuDNN Runtime Library for Ubuntu18.04 (Deb)
  • cuDNN Developer Library for Ubuntu18.04 (Deb)
  • cuDNN Code Samples and User Guide for Ubuntu18.04 (Deb)

 

 

ダウンロードが終わったら、今度はそいつらを展開し、インストールしていきます。
デフォルトではダウンロードディレクトリにあるはずです。

今回はひとまずホームディレクトリに移動し、cuDNNをインストールします。
再びターミナルを開き、以下コマンドを順番に入力してください。

 

3. CuPyのインストール

最後にCuPyをインストールします。
CuPyは、行列計算をするためのモジュールです。

Pythonで行列計算を行う場合、通常はNumpyを使うと思いますが、これはCPUでしか計算できません。
このCuPyはGPUで計算することが可能です。

 

再びターミナルを開き、以下コマンドを入力してください。

これだけです。

以上でGPUの設定が完了しました。

 

 

MNISTサンプルを実行する

最後に動作確認も兼ねて、Chainerが用意してくれている、MNISTサンプルを実行してみます。
MNISTとは、手書きの数字画像とテスト画像を集めた画像データのセットです。

 

再びターミナルを開き、以下コマンドを順番に入力してください。

これでMNISTサンプルのダウンロード&展開が完了です。

 

次にこのサンプルを実行していきます。
まずはCPUを使って学習させてみましょう。以下コマンドを入力してください。

 

するとこんな画面が出てきます。

 

次にGPUを使って学習させてみます。以下コマンドを入力してください。

-gの後の数字について記載しておきます。
この数字には、GPU番号を指定します。

あなたのGPU番号は以下コマンドで確認できます。

このコマンドを打つと、以下画面が表示されます。
ここのGPUという箇所を見てください。この例の場合は0なので、GPU番号は0です。

 

コマンドを入力すると、以下のような画面が出てきます。

 

elapsed_timeが実行時間です。
CPUの実行時間と比較すると、GPUの方が3.5倍ほど早いことがわかります。

それぞれのパラメータについては、今回のスコープからは外れるので、また別の機会とさせてください。

これらがきちんと実行されれば、Chainerのインストール及び、GPUの設定はうまくいっています。
おつかれさまでした。

 

以上です。

この記事がいいねと思ったら、以下のいいねボタンを押してください。
管理人のモチベーションがあがります(笑)

いいね! ←この記事いいね!
Loading...