要約
- DeepLearning環境を作るためChainer Advent Calendar 2015 10日目の内容をいまのバージョンで追いかけたときに簡単で済んだ部分と罠だった部分があった
- CPUで10分の処理がGPUで1分で終わって感動した
- GPUを2016年に買ってから環境構築が上手くいかなくて放置してたのが活きてホッとした
- 当時GTX750Tiが1万2千円でしたが、いまならGTX1030が1万円切ってますね
資材
ハード
- CPU:i7-4770S @ 3.10GHz
- GPU:GeForce GTX 750 Ti
- ドライバーのバージョン391.24
ソフト
- Microsoft Windows 10 Pro (x64)
- Visual Studio Community 2017
- CUDA9.0
- cuDNN7.1.2
- python3.6.4(Anaconda3 5.1.0)
インストールの順番
- Visual Studioインストール
- 2013とか2015とか共存とか気にしたけど最終的に要らなかったぽい
- CUDAインストール、cuDNNインストール
- GTX-750Tiタグの記事はChainer1.8の頃でCUDA7.5が多く、7.5の方が相性よいのだろうと期待したけどVisual Studioの準備が面倒なだけで止めとけばよかった
- すなおにVisual StudioもCUDAもChainerも新しいのを使ってよい
- Anaconda3インストール
- minicondaの方がいまの流行ぽいけど環境構築を今度こそやり切りたかったのでAnacondaで簡単に済ませられました
conda update condapython -m pip install --upgrade pip-
pip install cupy -
pip install chainer-
h5py 2.7.1がワーニングだすのが気になる人は
pip install -U --pre h5pyで幸せになれます
-
h5py 2.7.1がワーニングだすのが気になる人は
h5py_2.7.1がワーニングだす
>>> import chainer
D:\home\bin\Anaconda3\lib\site-packages\h5py\__init__.py:36: FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`.
from ._conv import register_converters as _register_converters
動作確認
CPU
mnist_CPUでトレーニング
>python train_mnist.py
GPU: -1
# unit: 1000
# Minibatch-size: 100
# epoch: 20
epoch main/loss validation/main/loss main/accuracy validation/main/accuracy elapsed_time
1 0.189173 0.0963605 0.942567 0.9685 27.3366
2 0.071832 0.0726725 0.977733 0.9777 56.5767
3 0.0470005 0.0634714 0.984867 0.9809 87.2547
4 0.0366731 0.0790446 0.987967 0.9774 117.328
5 0.0296025 0.0831928 0.99035 0.9781 147.328
6 0.0230024 0.0712753 0.99245 0.982 177.886
7 0.0209149 0.0884882 0.993033 0.9773 208.995
8 0.0190647 0.0840848 0.99415 0.9798 238.948
9 0.0148285 0.0773293 0.99495 0.9814 269.679
10 0.0155097 0.0924865 0.995183 0.9809 300.837
11 0.0156042 0.0855404 0.9945 0.9812 331.837
12 0.0122421 0.0908882 0.996167 0.9818 363.44
13 0.0110155 0.114288 0.996683 0.9788 395.034
14 0.0112867 0.0832217 0.99645 0.9838 426.827
15 0.0052481 0.106357 0.99845 0.9813 459.479
16 0.0141688 0.102184 0.995983 0.9792 492.254
17 0.0122581 0.0892446 0.996433 0.981 525.907
18 0.00950019 0.0987923 0.99735 0.9828 560.172
19 0.00654957 0.0942901 0.99815 0.985 594.848
20 0.00566024 0.125176 0.9982 0.9808 630.605
GPU
mnist_GPUでトレーニング
>python train_mnist.py --gpu 0
GPU: 0
# unit: 1000
# Minibatch-size: 100
# epoch: 20
epoch main/loss validation/main/loss main/accuracy validation/main/accuracy elapsed_time
1 0.189426 0.0986673 0.942434 0.9714 12.1036
2 0.0770398 0.0885144 0.975533 0.9713 15.4033
3 0.0493435 0.076026 0.984266 0.9757 18.6904
4 0.0352887 0.0684401 0.987782 0.979 21.9806
5 0.0268 0.0811076 0.990998 0.9795 25.2938
6 0.0229493 0.0807123 0.992349 0.9808 28.586
7 0.0196452 0.073097 0.993331 0.9785 31.8601
8 0.0184286 0.0847715 0.993916 0.9811 35.1581
9 0.0156427 0.100943 0.994915 0.976 38.4409
10 0.0168551 0.0894318 0.994965 0.9814 41.7316
11 0.0113114 0.120982 0.996182 0.9766 44.9846
12 0.0152375 0.0916953 0.995532 0.9811 48.2706
13 0.00836241 0.089633 0.997499 0.9815 51.5273
14 0.0143102 0.0976422 0.995682 0.9809 54.8322
15 0.0137209 0.088502 0.995732 0.9824 58.1949
16 0.00605376 0.111912 0.998083 0.9832 61.5142
17 0.00990389 0.104521 0.997249 0.9811 64.8512
18 0.00773674 0.111974 0.997849 0.9808 68.1799
19 0.0121542 0.0951731 0.996399 0.9851 71.4791
20 0.00937598 0.0928568 0.997599 0.9837 74.792