Submit Search
Upload
PlaidML Kerasでやっていく #TokyoR 73
•
Download as PPTX, PDF
•
4 likes
•
7,009 views
Akifumi Eguchi
Follow
Tokyo.R #73のLTスライドです
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 17
Download now
Recommended
pkgsrc とは何か? - よもやま話
pkgsrc とは何か? - よもやま話
Akio OBATA
GlusterFS Updates (and more) in 第六回クラウドストレージ研究会
GlusterFS Updates (and more) in 第六回クラウドストレージ研究会
Keisuke Takahashi
TensorFlow XLA とハードウェア
TensorFlow XLA とハードウェア
Mr. Vengineer
DSPでディープラーニング
DSPでディープラーニング
Mr. Vengineer
PYNQ祭り
PYNQ祭り
Mr. Vengineer
2017年のFPGA Community活動について
2017年のFPGA Community活動について
Mr. Vengineer
5分で振り返るKubeCon EU 2019:ランタイムとイメージの話題ダイジェスト
5分で振り返るKubeCon EU 2019:ランタイムとイメージの話題ダイジェスト
Kohei Tokunaga
TensorFlow XLA : AOT編 チラ見版
TensorFlow XLA : AOT編 チラ見版
Mr. Vengineer
Recommended
pkgsrc とは何か? - よもやま話
pkgsrc とは何か? - よもやま話
Akio OBATA
GlusterFS Updates (and more) in 第六回クラウドストレージ研究会
GlusterFS Updates (and more) in 第六回クラウドストレージ研究会
Keisuke Takahashi
TensorFlow XLA とハードウェア
TensorFlow XLA とハードウェア
Mr. Vengineer
DSPでディープラーニング
DSPでディープラーニング
Mr. Vengineer
PYNQ祭り
PYNQ祭り
Mr. Vengineer
2017年のFPGA Community活動について
2017年のFPGA Community活動について
Mr. Vengineer
5分で振り返るKubeCon EU 2019:ランタイムとイメージの話題ダイジェスト
5分で振り返るKubeCon EU 2019:ランタイムとイメージの話題ダイジェスト
Kohei Tokunaga
TensorFlow XLA : AOT編 チラ見版
TensorFlow XLA : AOT編 チラ見版
Mr. Vengineer
GPU on OpenStack - GPUインターナルクラウドのベストプラクティス - OpenStack最新情報セミナー 2017年7月
GPU on OpenStack - GPUインターナルクラウドのベストプラクティス - OpenStack最新情報セミナー 2017年7月
VirtualTech Japan Inc.
GlusterFS Masakari Talks
GlusterFS Masakari Talks
Keisuke Takahashi
Sheepdogを使ってみて分かったこと(第六回ストレージ研究会発表資料)
Sheepdogを使ってみて分かったこと(第六回ストレージ研究会発表資料)
Masahiro Tsuji
TripleO Deep Dive 1.1
TripleO Deep Dive 1.1
Takashi Kajinami
Polyphony 新機能ツアー
Polyphony 新機能ツアー
ryos36
ChainerRL の学習済みモデルを gRPC 経由で使ってみる試み (+アルファ)
ChainerRL の学習済みモデルを gRPC 経由で使ってみる試み (+アルファ)
NVIDIA Japan
DockerCon '17 Feedback at PaaS JP
DockerCon '17 Feedback at PaaS JP
Go Chiba
Vector
Vector
aslead
コンテナセキュリティにおける権限制御(OCHaCafe5 #3 Kubernetes のセキュリティ 発表資料)
コンテナセキュリティにおける権限制御(OCHaCafe5 #3 Kubernetes のセキュリティ 発表資料)
NTT DATA Technology & Innovation
OpenContrail days 2014 Spring めざせ超オンプレ(汗)
OpenContrail days 2014 Spring めざせ超オンプレ(汗)
Junpei YOSHINO
Pythonによる並列プログラミング -GPGPUも-
Pythonによる並列プログラミング -GPGPUも-
Yusaku Watanabe
Lagopus as open flow hybrid switch 実践編
Lagopus as open flow hybrid switch 実践編
Masaru Oki
ZeroFormatterに見るC#で最速のシリアライザを作成する100億の方法
ZeroFormatterに見るC#で最速のシリアライザを作成する100億の方法
Yoshifumi Kawai
Docker Meetup tpkyo #30 kubecon recap
Docker Meetup tpkyo #30 kubecon recap
Yutaro Wada
20170421 tensor flowusergroup
20170421 tensor flowusergroup
ManaMurakami1
Fpgax 20130604
Fpgax 20130604
Takefumi MIYOSHI
1075: .NETからCUDAを使うひとつの方法
1075: .NETからCUDAを使うひとつの方法
NVIDIA Japan
TripleO Deep Dive
TripleO Deep Dive
Takashi Kajinami
機械学習とこれを支える並列計算: ディープラーニング・スーパーコンピューターの応用について
機械学習とこれを支える並列計算: ディープラーニング・スーパーコンピューターの応用について
ハイシンク創研 / Laboratory of Hi-Think Corporation
1070: CUDA プログラミング入門
1070: CUDA プログラミング入門
NVIDIA Japan
ディープラーニングイメージで構築する快適・高速な機械学習環境
ディープラーニングイメージで構築する快適・高速な機械学習環境
Yaboo Oyabu
インフラエンジニアのこれから ~Red Hatの描くLinuxの今後とクラウド~(第ニ部)
インフラエンジニアのこれから ~Red Hatの描くLinuxの今後とクラウド~(第ニ部)
Etsuji Nakai
More Related Content
What's hot
GPU on OpenStack - GPUインターナルクラウドのベストプラクティス - OpenStack最新情報セミナー 2017年7月
GPU on OpenStack - GPUインターナルクラウドのベストプラクティス - OpenStack最新情報セミナー 2017年7月
VirtualTech Japan Inc.
GlusterFS Masakari Talks
GlusterFS Masakari Talks
Keisuke Takahashi
Sheepdogを使ってみて分かったこと(第六回ストレージ研究会発表資料)
Sheepdogを使ってみて分かったこと(第六回ストレージ研究会発表資料)
Masahiro Tsuji
TripleO Deep Dive 1.1
TripleO Deep Dive 1.1
Takashi Kajinami
Polyphony 新機能ツアー
Polyphony 新機能ツアー
ryos36
ChainerRL の学習済みモデルを gRPC 経由で使ってみる試み (+アルファ)
ChainerRL の学習済みモデルを gRPC 経由で使ってみる試み (+アルファ)
NVIDIA Japan
DockerCon '17 Feedback at PaaS JP
DockerCon '17 Feedback at PaaS JP
Go Chiba
Vector
Vector
aslead
コンテナセキュリティにおける権限制御(OCHaCafe5 #3 Kubernetes のセキュリティ 発表資料)
コンテナセキュリティにおける権限制御(OCHaCafe5 #3 Kubernetes のセキュリティ 発表資料)
NTT DATA Technology & Innovation
OpenContrail days 2014 Spring めざせ超オンプレ(汗)
OpenContrail days 2014 Spring めざせ超オンプレ(汗)
Junpei YOSHINO
Pythonによる並列プログラミング -GPGPUも-
Pythonによる並列プログラミング -GPGPUも-
Yusaku Watanabe
Lagopus as open flow hybrid switch 実践編
Lagopus as open flow hybrid switch 実践編
Masaru Oki
ZeroFormatterに見るC#で最速のシリアライザを作成する100億の方法
ZeroFormatterに見るC#で最速のシリアライザを作成する100億の方法
Yoshifumi Kawai
Docker Meetup tpkyo #30 kubecon recap
Docker Meetup tpkyo #30 kubecon recap
Yutaro Wada
20170421 tensor flowusergroup
20170421 tensor flowusergroup
ManaMurakami1
Fpgax 20130604
Fpgax 20130604
Takefumi MIYOSHI
1075: .NETからCUDAを使うひとつの方法
1075: .NETからCUDAを使うひとつの方法
NVIDIA Japan
TripleO Deep Dive
TripleO Deep Dive
Takashi Kajinami
機械学習とこれを支える並列計算: ディープラーニング・スーパーコンピューターの応用について
機械学習とこれを支える並列計算: ディープラーニング・スーパーコンピューターの応用について
ハイシンク創研 / Laboratory of Hi-Think Corporation
1070: CUDA プログラミング入門
1070: CUDA プログラミング入門
NVIDIA Japan
What's hot
(20)
GPU on OpenStack - GPUインターナルクラウドのベストプラクティス - OpenStack最新情報セミナー 2017年7月
GPU on OpenStack - GPUインターナルクラウドのベストプラクティス - OpenStack最新情報セミナー 2017年7月
GlusterFS Masakari Talks
GlusterFS Masakari Talks
Sheepdogを使ってみて分かったこと(第六回ストレージ研究会発表資料)
Sheepdogを使ってみて分かったこと(第六回ストレージ研究会発表資料)
TripleO Deep Dive 1.1
TripleO Deep Dive 1.1
Polyphony 新機能ツアー
Polyphony 新機能ツアー
ChainerRL の学習済みモデルを gRPC 経由で使ってみる試み (+アルファ)
ChainerRL の学習済みモデルを gRPC 経由で使ってみる試み (+アルファ)
DockerCon '17 Feedback at PaaS JP
DockerCon '17 Feedback at PaaS JP
Vector
Vector
コンテナセキュリティにおける権限制御(OCHaCafe5 #3 Kubernetes のセキュリティ 発表資料)
コンテナセキュリティにおける権限制御(OCHaCafe5 #3 Kubernetes のセキュリティ 発表資料)
OpenContrail days 2014 Spring めざせ超オンプレ(汗)
OpenContrail days 2014 Spring めざせ超オンプレ(汗)
Pythonによる並列プログラミング -GPGPUも-
Pythonによる並列プログラミング -GPGPUも-
Lagopus as open flow hybrid switch 実践編
Lagopus as open flow hybrid switch 実践編
ZeroFormatterに見るC#で最速のシリアライザを作成する100億の方法
ZeroFormatterに見るC#で最速のシリアライザを作成する100億の方法
Docker Meetup tpkyo #30 kubecon recap
Docker Meetup tpkyo #30 kubecon recap
20170421 tensor flowusergroup
20170421 tensor flowusergroup
Fpgax 20130604
Fpgax 20130604
1075: .NETからCUDAを使うひとつの方法
1075: .NETからCUDAを使うひとつの方法
TripleO Deep Dive
TripleO Deep Dive
機械学習とこれを支える並列計算: ディープラーニング・スーパーコンピューターの応用について
機械学習とこれを支える並列計算: ディープラーニング・スーパーコンピューターの応用について
1070: CUDA プログラミング入門
1070: CUDA プログラミング入門
Similar to PlaidML Kerasでやっていく #TokyoR 73
ディープラーニングイメージで構築する快適・高速な機械学習環境
ディープラーニングイメージで構築する快適・高速な機械学習環境
Yaboo Oyabu
インフラエンジニアのこれから ~Red Hatの描くLinuxの今後とクラウド~(第ニ部)
インフラエンジニアのこれから ~Red Hatの描くLinuxの今後とクラウド~(第ニ部)
Etsuji Nakai
TripleOの光と闇
TripleOの光と闇
Manabu Ori
20210731_OSC_Kyoto_PGStrom3.0
20210731_OSC_Kyoto_PGStrom3.0
Kohei KaiGai
20221116_DBTS_PGStrom_History
20221116_DBTS_PGStrom_History
Kohei KaiGai
ラズパイ2で動く Docker PaaSを作ってみたよ
ラズパイ2で動く Docker PaaSを作ってみたよ
npsg
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
ManaMurakami1
Apache Hadoopの未来 3系になって何が変わるのか?
Apache Hadoopの未来 3系になって何が変わるのか?
NTT DATA OSS Professional Services
20190225 jetson azure_hands-on
20190225 jetson azure_hands-on
Aya Owosekun
(JP) GPGPUがPostgreSQLを加速する
(JP) GPGPUがPostgreSQLを加速する
Kohei KaiGai
Hadoop-3.2.0の新機能の紹介とJava9+対応のコミュニティ動向
Hadoop-3.2.0の新機能の紹介とJava9+対応のコミュニティ動向
Yahoo!デベロッパーネットワーク
Jetson Xavier NX クラウドネイティブをエッジに
Jetson Xavier NX クラウドネイティブをエッジに
NVIDIA Japan
OpenStackでも重要な役割を果たすPacemakerを知ろう!
OpenStackでも重要な役割を果たすPacemakerを知ろう!
ksk_ha
ラズパイ2で動く Docker PaaS
ラズパイ2で動く Docker PaaS
npsg
Dockerを支える技術
Dockerを支える技術
Etsuji Nakai
Apache cloudstack4.0インストール
Apache cloudstack4.0インストール
Yasuhiro Arai
2019 jetson azure_hands-on
2019 jetson azure_hands-on
Aya Owosekun
20171220_hbstudy80_pgstrom
20171220_hbstudy80_pgstrom
Kohei KaiGai
GraalVMの多言語実行機能が凄そうだったので試しにApache Sparkに組み込んで動かしてみたけどちょっとまだ早かったかもしれない(Open So...
GraalVMの多言語実行機能が凄そうだったので試しにApache Sparkに組み込んで動かしてみたけどちょっとまだ早かったかもしれない(Open So...
NTT DATA Technology & Innovation
GPUとSSDがPostgreSQLを加速する~クエリ処理スループット10GB/sへの挑戦~ [DB Tech Showcase Tokyo/2017]
GPUとSSDがPostgreSQLを加速する~クエリ処理スループット10GB/sへの挑戦~ [DB Tech Showcase Tokyo/2017]
Kohei KaiGai
Similar to PlaidML Kerasでやっていく #TokyoR 73
(20)
ディープラーニングイメージで構築する快適・高速な機械学習環境
ディープラーニングイメージで構築する快適・高速な機械学習環境
インフラエンジニアのこれから ~Red Hatの描くLinuxの今後とクラウド~(第ニ部)
インフラエンジニアのこれから ~Red Hatの描くLinuxの今後とクラウド~(第ニ部)
TripleOの光と闇
TripleOの光と闇
20210731_OSC_Kyoto_PGStrom3.0
20210731_OSC_Kyoto_PGStrom3.0
20221116_DBTS_PGStrom_History
20221116_DBTS_PGStrom_History
ラズパイ2で動く Docker PaaSを作ってみたよ
ラズパイ2で動く Docker PaaSを作ってみたよ
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
Apache Hadoopの未来 3系になって何が変わるのか?
Apache Hadoopの未来 3系になって何が変わるのか?
20190225 jetson azure_hands-on
20190225 jetson azure_hands-on
(JP) GPGPUがPostgreSQLを加速する
(JP) GPGPUがPostgreSQLを加速する
Hadoop-3.2.0の新機能の紹介とJava9+対応のコミュニティ動向
Hadoop-3.2.0の新機能の紹介とJava9+対応のコミュニティ動向
Jetson Xavier NX クラウドネイティブをエッジに
Jetson Xavier NX クラウドネイティブをエッジに
OpenStackでも重要な役割を果たすPacemakerを知ろう!
OpenStackでも重要な役割を果たすPacemakerを知ろう!
ラズパイ2で動く Docker PaaS
ラズパイ2で動く Docker PaaS
Dockerを支える技術
Dockerを支える技術
Apache cloudstack4.0インストール
Apache cloudstack4.0インストール
2019 jetson azure_hands-on
2019 jetson azure_hands-on
20171220_hbstudy80_pgstrom
20171220_hbstudy80_pgstrom
GraalVMの多言語実行機能が凄そうだったので試しにApache Sparkに組み込んで動かしてみたけどちょっとまだ早かったかもしれない(Open So...
GraalVMの多言語実行機能が凄そうだったので試しにApache Sparkに組み込んで動かしてみたけどちょっとまだ早かったかもしれない(Open So...
GPUとSSDがPostgreSQLを加速する~クエリ処理スループット10GB/sへの挑戦~ [DB Tech Showcase Tokyo/2017]
GPUとSSDがPostgreSQLを加速する~クエリ処理スループット10GB/sへの挑戦~ [DB Tech Showcase Tokyo/2017]
More from Akifumi Eguchi
High-order factorization machines with R #tokyor 61
High-order factorization machines with R #tokyor 61
Akifumi Eguchi
Randomforestで高次元の変数重要度を見る #japanr LT
Randomforestで高次元の変数重要度を見る #japanr LT
Akifumi Eguchi
統計的学習の基礎6章前半 #カステラ本
統計的学習の基礎6章前半 #カステラ本
Akifumi Eguchi
Dslt祭り2夜
Dslt祭り2夜
Akifumi Eguchi
環境化学データ解析入門: 愛媛大講演資料 160728
環境化学データ解析入門: 愛媛大講演資料 160728
Akifumi Eguchi
統計的学習の基礎, 副読本紹介: An Introduction to Statistical Learning
統計的学習の基礎, 副読本紹介: An Introduction to Statistical Learning
Akifumi Eguchi
Mxnetで回帰 #TokyoR 53th
Mxnetで回帰 #TokyoR 53th
Akifumi Eguchi
子どもたちの未来を支える機械学習: 定量的構造活性相関 (QSAR) による有機ハロゲン化合物の母子間移行率予測
子どもたちの未来を支える機械学習: 定量的構造活性相関 (QSAR) による有機ハロゲン化合物の母子間移行率予測
Akifumi Eguchi
ぞくパタ最終回: 13章「共クラスタリング」
ぞくパタ最終回: 13章「共クラスタリング」
Akifumi Eguchi
Deep learningもくもくハッカソンまとめup用
Deep learningもくもくハッカソンまとめup用
Akifumi Eguchi
Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"
Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"
Akifumi Eguchi
第2回ぞくパタ
第2回ぞくパタ
Akifumi Eguchi
第一回ぞくパタ
第一回ぞくパタ
Akifumi Eguchi
ぞくパタ はじめに
ぞくパタ はじめに
Akifumi Eguchi
Tokyo.r #44 lt.pptx
Tokyo.r #44 lt.pptx
Akifumi Eguchi
Tokyo r #43
Tokyo r #43
Akifumi Eguchi
みどりぼん9章前半
みどりぼん9章前半
Akifumi Eguchi
みどりぼん3章前半
みどりぼん3章前半
Akifumi Eguchi
Tokyo R #39
Tokyo R #39
Akifumi Eguchi
More from Akifumi Eguchi
(19)
High-order factorization machines with R #tokyor 61
High-order factorization machines with R #tokyor 61
Randomforestで高次元の変数重要度を見る #japanr LT
Randomforestで高次元の変数重要度を見る #japanr LT
統計的学習の基礎6章前半 #カステラ本
統計的学習の基礎6章前半 #カステラ本
Dslt祭り2夜
Dslt祭り2夜
環境化学データ解析入門: 愛媛大講演資料 160728
環境化学データ解析入門: 愛媛大講演資料 160728
統計的学習の基礎, 副読本紹介: An Introduction to Statistical Learning
統計的学習の基礎, 副読本紹介: An Introduction to Statistical Learning
Mxnetで回帰 #TokyoR 53th
Mxnetで回帰 #TokyoR 53th
子どもたちの未来を支える機械学習: 定量的構造活性相関 (QSAR) による有機ハロゲン化合物の母子間移行率予測
子どもたちの未来を支える機械学習: 定量的構造活性相関 (QSAR) による有機ハロゲン化合物の母子間移行率予測
ぞくパタ最終回: 13章「共クラスタリング」
ぞくパタ最終回: 13章「共クラスタリング」
Deep learningもくもくハッカソンまとめup用
Deep learningもくもくハッカソンまとめup用
Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"
Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"
第2回ぞくパタ
第2回ぞくパタ
第一回ぞくパタ
第一回ぞくパタ
ぞくパタ はじめに
ぞくパタ はじめに
Tokyo.r #44 lt.pptx
Tokyo.r #44 lt.pptx
Tokyo r #43
Tokyo r #43
みどりぼん9章前半
みどりぼん9章前半
みどりぼん3章前半
みどりぼん3章前半
Tokyo R #39
Tokyo R #39
PlaidML Kerasでやっていく #TokyoR 73
1.
PlaidML-Kerasでやっていくin NVIDIA, AMD
and INTEL GPU Tokyo.R #73 @siero5335
2.
RでもDeep learning の時代(ちょっと前から?) MXNET:
https://mxnet.apache.org/ H20: http://docs.h2o.ai/h2o/latest-stable/h2o-docs/welcome.html TensorFlow: https://tensorflow.rstudio.com/ Keras: https://keras.rstudio.com/
3.
RでもDeep learning の時代(ちょっと前から?) RStudioがパッケージを整備
4.
Kerasでやる: DeepやるならGPUの支援がほしい 普通にやるならNVIDIAのGPU RStudioのKerasはinstall_keras()でPython環境にKerasを 入れてRからたたけるようにしてくれる NVIDIA GPU環境があるならinstall_keras(tensorflow
= “gpu”) でGPU支援が受けられる
5.
reticulateがPython3になってくれない “reticulateがPython3になってくれなくて生きるのがつらい” https://notchained.hatenablog.com/entry/2018/10/19/222700 @yutannihilation さん Python or
openSSLののバージョンが古いとき “keras-PlaidML インストールチャレンジ” http://d.hatena.ne.jp/dichika/20180625/p1 @dichikaさん Anacondaにしておくとpython3でやれる こだわりが無ければanacondaが多分楽 Warning !!!
6.
Kerasでやる: DeepやるならGPUの支援がほしい 普通にやるならNVIDIAのGPU RStudioのKerasはinstall_keras()でPython環境にKerasを 入れてRからたたけるようにしてくれる NVIDIA GPU環境があるならinstall_keras(tensorflow
= “gpu”) でGPU支援が受けられる お試しでやるにはちょっと高い? ラップトップ勢 → eGPU用意する? macOS → eGPUも対応してるのはAMD
7.
PlaidML ? NVIDIA, AMD,
IntelのGPUに対応 AppleのMetalなどにも対応 Kerasのバックエンドに使える
8.
PlaidML ? NVIDIA, AMD,
IntelのGPUに対応 AppleのMetalなどにも対応 Kerasのバックエンドに使える Kerasの裏で動くフレームワークを変えられる use_backend("theano"), use_backend("cntk"), use_backend(backend = "plaidml")
9.
インストール? Macでも高速に機械学習できるかもしれないPlaidMLを試してみた https://qiita.com/croquette0212/items/cae15761876e1e937a6c mnist_cnn by keras-PlaidML
GPU in macOS http://rpubs.com/siero5335/399690 keras-PlaidML インストールチャレンジ http://d.hatena.ne.jp/dichika/20180625/p1 “pip install plaidml-keras”でOK 注: R用Kerasが入ってるpythonにインストールする “plaidml-setup” で計算に使う環境を選ぶ
10.
使えるの? R notebooks for
the code samples of the book "Deep Learning with R” https://github.com/jjallaire/deep-learning-with-r-notebooks ここのコードの前半は動くので取っ掛かりには良さそう。 実戦投入するなら転移学習がうまく動かないとちょっと厳しい?
11.
使えるの? ↓書き換えでどうにかなったところ PlaidML_Keras_R_layer_output_test_5_4.R https://gist.github.com/siero5335/6889f224015550960ca6a5cf278ea188 PlaidML_Keras_R_layer_output_test_6_1_6_2.R https://gist.github.com/siero5335/263cc8cb1e0710809a33799303800288
12.
使えるの? その他の動かなかったところやちゃんと動いてるかよくわから ない部分は検証を進めていく必要あり Rstudio Kerasのissuesを追いかけていくと良いかも? https://github.com/rstudio/keras/issues
13.
Tensorflow background (MNIST-CNN
[CPU]) https://keras.rstudio.com/articles/examples/mnist_cnn.html
14.
Tensorflow background (MNIST-CNN
[CPU]) Test loss: 0.027883 Test accuracy: 0.9909 1 epoch: 1分強
15.
PlaidML background (MNIST-CNN
Radeon GPU) https://keras.rstudio.com/articles/examples/mnist_cnn.html
16.
Test loss: 0.02664161 Test
accuracy: 0.9913 1 epoch : 15秒前後 性能も変わらない PlaidML background (MNIST-CNN Radeon GPU)
17.
まとめ KerasのバックエンドにPlaid MLをつかうことで、 非NVIDIA GPU勢でもGPU支援を受けてdeepができる (Intel
チップセットも試したがうちの環境ではOpenCLだとCPUより遅い上lossがNaNに, metalだと動かなかった) GPUハヤイ R Keras本も最初の取っ掛かりのところまでは動くので、 ひとまず手元PCで入門したい人には良さそう 対応してない部分もあるので公式を追いかけると良さ そう。 Kerasチートシートも https://www.rstudio.com/resources/cheatsheets/
Download now