2017年6月8日 更新

Azure + Tensorflow + Kerasで画像認識

クラウドでGPUを使ったディープラーニングを実行するための環境構築法をまとめました。

5,646 view お気に入り 0
./gpu-setup-part2.sh
part2

テストコードを実行してみます。

source ~/.bashrc
python gpu-test.py
test
 (4002)

こんな感じで実行結果が出ます。

これでセットアップ完了です。

GPUマシンが用意でき、TensorflowでGPUを利用することができるようになりました。

Python環境、Kerasセットアップ

次はKerasを用意してMNISTを実行してみます。

今回はpyenvも併用します。

sudo apt-get install git gcc make openssl libssl-dev libbz2-dev libreadline-dev libsqlite3-dev
cd /usr/local/bin
git clone git://github.com/yyuu/pyenv.git ./pyenv
sudo mkdir -p ./pyenv/versions ./pyenv/shims
echo 'export PYENV_ROOT="/usr/local/bin/pyenv"' >> ~/.bashrc
echo 'export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bashrc
echo 'eval "$(pyenv init -)"' >> ~/.bashrc
source ~/.bashrc
pyenv

続いてpyenvを使ってanacondaをインストールします。

利用するバージョンをanacondaに変更して、pipでtensorflowとkerasをインストールします。

pyenv install anaconda3-4.3.0
pyenv rehash
pyenv global anaconda3-4.3.0
pip install tensorflow-gpu keras
anaconda

準備が完了したので、以下のサイトを参考にMNISTを実行します。

Python: Keras/TensorFlow の学習を GPU で高速化する (Mac OS X)

まずは対話モードを開いて、MNISTのデータセットをダウンロードします。

python
>>> from keras.datasets import mnist
>>> mnist.load_data()
mnist_data

次にサンプルプログラムをダウンロードします。

参考サイトの忠告通りにリソースの解放を追記します。

curl -O https://raw.githubusercontent.com/fchollet/keras/master/examples/mnist_cnn.py
echo 'K.clear_session()' >> mnist_cnn.py
mnist_code

プログラムを実行しましょう。

timeコマンドを使うことで実行に要した時間を計測できます。

time python mnist_cnn.py
test_mnist
32 件

関連する記事 こんな記事も人気です♪

Deep learningで画像認識⑤〜Kerasで畳み込みニューラルネットワーク vol.1〜

Deep learningで画像認識⑤〜Kerasで畳み込みニューラルネットワーク vol.1〜

Kerasと呼ばれるDeep Learingのライブラリを使って、簡単に畳み込みニューラルネットワークを実装してみます。
木田智士 | 22,380 view
Deep learningで画像認識⑩〜Kerasで畳み込みニューラルネットワーク vol.6〜

Deep learningで画像認識⑩〜Kerasで畳み込みニューラルネットワーク vol.6〜

U-Netと呼ばれるU字型の畳み込みニューラルネットワークを用いて、MRI画像から肝臓の領域抽出を行ってみます。
木田智士 | 17,963 view
Deep learningで画像認識⑨〜Kerasで畳み込みニューラルネットワーク vol.5〜

Deep learningで画像認識⑨〜Kerasで畳み込みニューラルネットワーク vol.5〜

U-Netと呼ばれるU字型の畳み込みニューラルネットワークを用いて、MRI画像から肝臓の領域抽出を行ってみます。
木田智士 | 55,825 view

この記事のキーワード

この記事のキュレーター

山田涼太 山田涼太