QuantumCore のお試しとサーバ負荷
QuantumCore をインストールして、動かす時にサーバ負荷ってやはり気になりますよね。
そのあたり、ノートPCに入れた docker 上で試してみます。
（docker には 2core 2GB とリソースが振られています）
とりあえずインストールでひっかかった所
QuantumCoreをGCP(無料枠)で動かしてみた を参照させて頂いて、Windows10 上の docker 19.03.5 に構築した CentOS 7.7 でやってみました。インストール手順などは、参照先をご覧頂くとして、ひっかかった所をあげていきます。
docker exec で入ると環境変数反映しないのね・・・
docker exec -it [docker name] /bin/bash というような感じで docker に入ると、ユーザ自体は root になっているのですが、環境変数を反映していないので、環境変数関係でエラーがでます。ですので、ちゃんと root の環境変数読み込むようにします。
# cd /root/
# . .bash_profile
もしくは
# su -
root で動かすなら、どっちでもいいです。
まぁ、正式運用とかなら、root でやるのはおすすめしません・・・
これで、環境変数問題は解決する・・・はず。
pip install でエラー
# pip install requirements.txt
とやると、まとめて pip でインストールされるはずなのですが、うまくいきませんでした。
ERROR: Could not find a version that satisfies the requirement requirements.txt (from versions: none)
ERROR: No matching distribution found for requirements.txt
なので、とりあえず中身を一つずつインストールしましたが、それでエラーは出ませんでした。
では、負荷計測してみましょう
計50回くらい試してみました。
学習時間
最短は 1.1023838520050049
最長は 1.2119011878967285
まぁ、これは誤差の範囲のような気がします。
CPU負荷
31～36%くらいでした。
topだと12%くらいに見えるのですが、vmstat だと30%台で出ていました。
30%になるのは、1秒前後なので、負荷的にはわずかだと思います。
メモリー負荷
メモリーは、58MB 使用するくらいでそこまで使用量は多くありませんでした。
機械学習の結果は？
50回やってみると、正解率とF1値に多少のばらつきが出るようです。
ほぼほぼ同じ正解率とF1値なのですが、たまに違う値が出てきます。
結果貼っておきます
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.2318134307861328}
acc= 0.984375
f1= 0.9843486952861954
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1527702808380127}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1398777961730957}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.201639175415039}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1144788265228271}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1613247394561768}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.4703526496887207}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1820614337921143}
acc= 0.9921875
f1= 0.9922010869565218
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1023838520050049}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.163525104522705}
acc= 0.9921875
f1= 0.9922010869565218
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1574749946594238}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.167022705078125}
acc= 0.9921875
f1= 0.9922010869565218
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1607372760772705}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1231114864349365}
acc= 0.984375
f1= 0.9842503959577272
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1752033233642578}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.181903600692749}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.2091014385223389}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1739671230316162}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1905741691589355}
acc= 0.9921875
f1= 0.9922010869565218
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1528575420379639}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1810216903686523}
acc= 0.984375
f1= 0.9842503959577272
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1509337425231934}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1574828624725342}
acc= 0.9921875
f1= 0.9922010869565218
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1093213558197021}
acc= 0.9921875
f1= 0.9922010869565218
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1390151977539062}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.167527675628662}
acc= 0.9921875
f1= 0.9922010869565218
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1776607036590576}
acc= 0.984375
f1= 0.9839769069919827
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1431849002838135}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1329083442687988}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1392054557800293}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1581971645355225}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1176540851593018}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1181950569152832}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1844444274902344}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1632635593414307}
acc= 0.984375
f1= 0.9842503959577272
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.201117753982544}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1654024124145508}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.184995174407959}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.154017686843872}
acc= 0.984375
f1= 0.9839254412475823
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.192983627319336}
acc= 0.984375
f1= 0.9842503959577272
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1211378574371338}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.2119011878967285}
acc= 0.984375
f1= 0.9842503959577272
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1723127365112305}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1598739624023438}
acc= 0.984375
f1= 0.9842503959577272
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.205549955368042}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1679303646087646}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1810824871063232}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1849102973937988}
acc= 0.9921875
f1= 0.9922010869565218
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1403276920318604}
acc= 0.9921875
f1= 0.9922010869565218
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.147097110748291}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1421785354614258}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1393120288848877}
acc= 0.9921875
f1= 0.9921496212121212
[root@49925e6418dc advent-calendar-2019]# python client.py
{'res': 'ok', 'train_time': 1.1349763870239258}
acc= 0.9921875
f1= 0.9921496212121212
まとめ
機械学習というと、ごりごりにマシンパワーと使って、時間もかかるというイメージがありましたが、今回やってみると、実行時間も短いですし、マシンパワーも余り必要ありません。適当なノートPC上で動いてしまうレベルなのでお手軽な感じです。もう少しお試し期間が残っているので、アドベントカレンダーとは関係ないですが、引き続きお試ししてみたいと思います。