5
3

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 5 years have passed since last update.

Jetson NanoでChainerを動かす

Posted at

はじめに

Jetson NanoでChainerを動かしたのでその記録。本記事は「Jetson NanoでCuPy」の続きである。特にpipenvの初期化部分は前の記事しか書いていない。CuPyをインストールしていない場合は前の記事から実行する必要がある。

セットアップ

matplotlibをインストールするためにfreetypeを入れておく。

ターミナル
yamamo-to@jetson-nano:~$ sudo apt install libfreetype6-dev

インストール

pipenvでCuPyをインストールしたディレクトリ$HOME/Documents/Chainerを使う。CuPyと違ってChainerはすぐにインストールされた。matplotlibは数分かかった。

ターミナル
yamamo-to@jetson-nano:~$ cd ~/Documents/Chainer
yamamo-to@jetson-nano:~/Documents/Chainer$ pipenv install chainer
yamamo-to@jetson-nano:~/Documents/Chainer$ pipenv install matplotlib

最初の確認

まずはchainer.print_runtime_info()で各種情報を表示してみる。

ターミナル
yamamo-to@jetson-nano:~/Documents/Chainer$ pipenv run python3 -c 'import chainer; chainer.print_runtime_info()'
Platform: Linux-4.9.140-tegra-aarch64-with-Ubuntu-18.04-bionic
Chainer: 6.0.0
NumPy: 1.16.3
CuPy:
  CuPy Version          : 6.0.0
  CUDA Root             : /usr/local/cuda
  CUDA Build Version    : 10000
  CUDA Driver Version   : 10000
  CUDA Runtime Version  : 10000
  cuDNN Build Version   : 7301
  cuDNN Version         : 7301
  NCCL Build Version    : None
  NCCL Runtime Version  : None
iDeep: Not Available

NCCL関連はマルチGPUでないので None で正しい。iDeepもIntel CPUでないので Not Available で正しい。その他、各種バージョンはJetson Nanoの開発環境で確認した通り(と思う)。

MNISTの実行

避けては通れないMNISTを実行してみる。

訓練フェーズ

下記のURL1を参考にmnist_train.py作成した。
https://docs.chainer.org/en/stable/examples/mnist.html

mnist_train.py
from chainer import Chain
from chainer import functions as F
from chainer import links as L
from chainer import datasets
from chainer import iterators
from chainer import optimizers
from chainer import training
from chainer.training import extensions as ext


class MLP(Chain):

    def __init__(self, n_mid_units=100, n_out=10):
        super(MLP, self).__init__()
        with self.init_scope():
            self.l1 = L.Linear(None, n_mid_units)
            self.l2 = L.Linear(None, n_mid_units)
            self.l3 = L.Linear(None, n_out)

    def forward(self, x):
        h1 = F.relu(self.l1(x))
        h2 = F.relu(self.l2(h1))
        return self.l3(h2)


def main():
    train, test = datasets.mnist.get_mnist()

    batchsize = 128
    train_iter = iterators.SerialIterator(train, batchsize)
    test_iter = iterators.SerialIterator(test, batchsize, False, False)

    gpu_id = 0
    model = MLP()
    model.to_gpu(gpu_id)

    max_epoch = 10
    model = L.Classifier(model)
    optimizer = optimizers.MomentumSGD()
    optimizer.setup(model)
    updater = training.updaters.StandardUpdater(train_iter, optimizer, device=gpu_id)
    trainer = training.Trainer(updater, (max_epoch, 'epoch'), out='mnist_out')
    trainer.extend(ext.LogReport())
    trainer.extend(ext.snapshot(filename='snapshot_epoch-{.updater.epoch}'))
    trainer.extend(ext.snapshot_object(model.predictor,
        filename='model_epoch-{.updater.epoch}'))
    trainer.extend(ext.Evaluator(test_iter, model, device=gpu_id))
    trainer.extend(ext.PrintReport(['epoch', 'main/loss', 'main/accuracy',
        'validation/main/loss', 'validation/main/accuracy', 'elapsed_time']))
    trainer.extend(ext.PlotReport(['main/loss', 'validation/main/loss'],
        x_key='epoch', file_name='loss.png'))
    trainer.extend(ext.PlotReport(['main/accuracy', 'validation/main/accuracy'],
        x_key='epoch', file_name='accuracy.png'))
    trainer.extend(ext.DumpGraph('main/loss'))

    trainer.run()


if __name__ == "__main__":
    main()

実行する。

ターミナル
yamamo-to@jetson-nano:~/Documents/Chainer$ pipenv run python3 mnist_train.py

結果は下記の通り。

chainer_mnist_train.png

GPUはどのくらい使われていたのかというと5〜6%くらい使用されていた。

chainer_mnist_gpu.png

作ったモデルの利用

作ったモデルを使って画像から数字を判別してみる。
モデルは再定義しないでmnist_train.pyから読み込んだので同じディレクトリに置く。
ソースコードは下記の通り。

mnist_eval.py
import random
import matplotlib.pyplot as plt

from chainer import datasets
from chainer import serializers

from mnist_train import MLP


def main():
    # Load dataset
    train, test = datasets.mnist.get_mnist()

    # Load model
    model = MLP()
    serializers.load_npz('mnist_out/model_epoch-10', model)

    # Show the output
    no = random.randint(0, len(test) - 1)
    x, t = test[no]
    plt.imshow(x.reshape(28, 28), cmap='gray')
    plt.savefig('mnist_out/mnist_eval.png')
    print('label:', t)

    y = model(x[None, ...])

    print('predicted_label:', y.array.argmax(axis=1)[0])


if __name__ == "__main__":
    main()

これを実行する。

ターミナル
yamamo-to@jetson-nano:~/Documents/Chainer$ pipenv run python3 mnist_eval.py

結果。ラベルも画像も「9」になっている。予測結果も「9」。
chainer_mnist_eval.png

参考文献

  1. enをjpやjaにしても日本語版はなかった!

5
3
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
5
3

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?