Submit Search
Upload
機械学習環境にハマってみよう
•
0 likes
•
144 views
You&I
Follow
わんくま同盟 名古屋勉強会 #46 の発表資料 http://www.wankuma.com/seminar/20181215nagoya46/
Read less
Read more
Report
Share
Report
Share
1 of 23
Download now
Download to read offline
Recommended
Singularityで分散深層学習
Singularityで分散深層学習
Hitoshi Sato
第一回 Singularity勉強会
Boost.勉強会 #13 @仙台 鳥小屋
Boost.勉強会 #13 @仙台 鳥小屋
Yuto M
Django で始める PyCharm 入門
Django で始める PyCharm 入門
kashew_nuts
https://pycon-kyushu.connpass.com/event/84062/ http://kyushu.pycon.jp/ #PyCon9shu
2014年を振り返る 今年の技術トレンドとDockerについて
2014年を振り返る 今年の技術トレンドとDockerについて
Masahito Zembutsu
2014年12月4日(木) 株式会社リンク(東京都赤坂)18:00 ~ 21:00 ビール片手に!ゆくトレ くるトレ 2014 - 2015 発表資料
ミニ四駆でPython on Windows Azure
ミニ四駆でPython on Windows Azure
Takahiro Fujiwara
PyConJP 2012の発表資料です。ミニ四駆とWindows Azureを繋げて、ラップタイムを取ってみました。
初めてのDocker
初めてのDocker
You&I
わんくま同盟 名古屋勉強会 #37 のセッション発表資料 http://www.wankuma.com/seminar/20151114nagoya37/
Chainer でのプロファイリングをちょっと楽にする話
Chainer でのプロファイリングをちょっと楽にする話
NVIDIA Japan
2019 年 3 月 30 日 (土) に Preferred Networks のオフィスにて開催した Chainer Meetup #09 にて、エヌビディア 山崎が発表した「Chainer でのプロファイリングをちょっと楽にする話」のスライドです。 https://chainer.connpass.com/event/120796/
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
Katsuhiro Morishita
2014-09-03開催の熊本高専 高専カフェで紹介する、PythonとRを使ったデータ分析環境の解説です。
Recommended
Singularityで分散深層学習
Singularityで分散深層学習
Hitoshi Sato
第一回 Singularity勉強会
Boost.勉強会 #13 @仙台 鳥小屋
Boost.勉強会 #13 @仙台 鳥小屋
Yuto M
Django で始める PyCharm 入門
Django で始める PyCharm 入門
kashew_nuts
https://pycon-kyushu.connpass.com/event/84062/ http://kyushu.pycon.jp/ #PyCon9shu
2014年を振り返る 今年の技術トレンドとDockerについて
2014年を振り返る 今年の技術トレンドとDockerについて
Masahito Zembutsu
2014年12月4日(木) 株式会社リンク(東京都赤坂)18:00 ~ 21:00 ビール片手に!ゆくトレ くるトレ 2014 - 2015 発表資料
ミニ四駆でPython on Windows Azure
ミニ四駆でPython on Windows Azure
Takahiro Fujiwara
PyConJP 2012の発表資料です。ミニ四駆とWindows Azureを繋げて、ラップタイムを取ってみました。
初めてのDocker
初めてのDocker
You&I
わんくま同盟 名古屋勉強会 #37 のセッション発表資料 http://www.wankuma.com/seminar/20151114nagoya37/
Chainer でのプロファイリングをちょっと楽にする話
Chainer でのプロファイリングをちょっと楽にする話
NVIDIA Japan
2019 年 3 月 30 日 (土) に Preferred Networks のオフィスにて開催した Chainer Meetup #09 にて、エヌビディア 山崎が発表した「Chainer でのプロファイリングをちょっと楽にする話」のスライドです。 https://chainer.connpass.com/event/120796/
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
Katsuhiro Morishita
2014-09-03開催の熊本高専 高専カフェで紹介する、PythonとRを使ったデータ分析環境の解説です。
Slurmのジョブスケジューリングと実装
Slurmのジョブスケジューリングと実装
Ryuichi Sakamoto
Slurmのジョブスケジューリングと実装
OHS#2 pythonでgreをつくってみる
OHS#2 pythonでgreをつくってみる
祐理 大野
OpenHyperScale勉強会 #2資料
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
Cloud Deep Learning VM Image を使って快適・高速な機械学習環境を構築する方法
Windowsにpythonをインストールしてみよう
Windowsにpythonをインストールしてみよう
Kenji NAKAGAKI
さくらのIoT Platformを使ってみよう ~Developers in KOBE編~
さくらのIoT Platformを使ってみよう ~Developers in KOBE編~
法林浩之
2017年1月27日(金)、Developers in KOBE #11での発表資料です。
Kaggle の Titanic チュートリアルに挑戦した話
Kaggle の Titanic チュートリアルに挑戦した話
y-uti
Kaggle の Titanic チュートリアルに挑戦した経験について、勤め先の社内勉強会で発表したものです。 実装した内容 (Notebook 形式) は Kaggle のサイトに登録して公開しています。 https://www.kaggle.com/yuchiyama/prediction-by-svm
ToolChainを使った次世代DevOps環境の作り方
ToolChainを使った次世代DevOps環境の作り方
Harada Kazuki
SoftLayer Bluemix Community Festa 2016 の講演資料
俺のローカル開発環境 - MTDDC Meetup NAGOYA 2014
俺のローカル開発環境 - MTDDC Meetup NAGOYA 2014
taiju higashi
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
Preferred Networks
PFN は、「現実世界を計算可能にする」を Vision として,膨大な計算量を必要とするシミュレーションや深層学習などの計算ワークロードを実行するためのオンプレ ML 基盤を持っています。 この発表では、「オンプレクラスタの概要」と最近のトピックとして「新しく構築した「MN-2b」」、「Pod のリソース要求量の最適化を助けるしくみ」、「Kubernetes クラスタのアップグレード」についてお話します。 本イベント「オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜」では、オンプレミスの Kubernetes クラスタ上に構築された機械学習基盤を持つ PFN とヤフーのエンジニアが自社での取り組みについて語り尽くします! イベントサイト: https://ml-kubernetes.connpass.com/event/255797/
私とOSSの25年
私とOSSの25年
MITSUNARI Shigeo
早稲田大学情報理工学科講演会 20210515
NVIDIA ディープラーニング入門
NVIDIA ディープラーニング入門
Seong-Hun Choe
GPUコンピューティング研究会 これから始める方のためのディープラーニング入門 ニューラルネットワークの学習過程がわかりやすく説明されています。 特に畳み込みニューラルネットワーク(CNN)の説明がとても丁寧で、わかりやすいです。
Android & Nui & Physical Computing
Android & Nui & Physical Computing
Takahiro KUREBAYASHI
OpenJDKのコミッタってどんなことしたらなったの?解決してきた技術課題の事例から見えてくる必要な知識と技術(JJUG CCC 2023 Spring)
OpenJDKのコミッタってどんなことしたらなったの?解決してきた技術課題の事例から見えてくる必要な知識と技術(JJUG CCC 2023 Spring)
NTT DATA Technology & Innovation
OpenJDKのコミッタってどんなことしたらなったの? 解決してきた技術課題の事例から見えてくる必要な知識と技術 (JJUG CCC 2023 Spring) 2023年6月4日(日) NTT データ 技術開発本部 阪田 浩一
OpenCLに触れてみよう
OpenCLに触れてみよう
You&I
わんくま同盟名古屋勉強会#19での発表資料。
Trat sprint6
Trat sprint6
tratwakate
test
さくらのIoT Platformを使ってみよう ~OSC大阪編~
さくらのIoT Platformを使ってみよう ~OSC大阪編~
法林浩之
2017年1月28日(土)、オープンソースカンファレンス2017 Osakaでの発表資料です。
Infrastructure as Codeの取り組みと改善
Infrastructure as Codeの取り組みと改善
Takashi Honda
Developers Summit 2015にて登壇した際の資料です。 セッション: http://event.shoeisha.jp/devsumi/20150219/session/710/ 概要: 数年前よりChefやAnsibleといったProvisioning Toolsが広く話題となっています。 弊社では2013年にChefを導入、その後Chefでどこまで構築するか、テストはどうやって回すかを試行錯誤しながら取り組んできました。 そこで本セッションでは、実際に運用していく中で発生した課題をどのように解決していったかを、弊社におけるサーバ構築の概念を踏まえてお話します。
【20-E-5】実践!Infrastructure as a Codeの取り組みと改善
【20-E-5】実践!Infrastructure as a Codeの取り組みと改善
Developers Summit
【20-E-5】実践!Infrastructure as a Codeの取り組みと改善
Trat sprint6 pdf
Trat sprint6 pdf
tratwakate
test
20170726 py data.tokyo
20170726 py data.tokyo
ManaMurakami1
20170726 py data.tokyo
More Related Content
Similar to 機械学習環境にハマってみよう
Slurmのジョブスケジューリングと実装
Slurmのジョブスケジューリングと実装
Ryuichi Sakamoto
Slurmのジョブスケジューリングと実装
OHS#2 pythonでgreをつくってみる
OHS#2 pythonでgreをつくってみる
祐理 大野
OpenHyperScale勉強会 #2資料
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
Cloud Deep Learning VM Image を使って快適・高速な機械学習環境を構築する方法
Windowsにpythonをインストールしてみよう
Windowsにpythonをインストールしてみよう
Kenji NAKAGAKI
さくらのIoT Platformを使ってみよう ~Developers in KOBE編~
さくらのIoT Platformを使ってみよう ~Developers in KOBE編~
法林浩之
2017年1月27日(金)、Developers in KOBE #11での発表資料です。
Kaggle の Titanic チュートリアルに挑戦した話
Kaggle の Titanic チュートリアルに挑戦した話
y-uti
Kaggle の Titanic チュートリアルに挑戦した経験について、勤め先の社内勉強会で発表したものです。 実装した内容 (Notebook 形式) は Kaggle のサイトに登録して公開しています。 https://www.kaggle.com/yuchiyama/prediction-by-svm
ToolChainを使った次世代DevOps環境の作り方
ToolChainを使った次世代DevOps環境の作り方
Harada Kazuki
SoftLayer Bluemix Community Festa 2016 の講演資料
俺のローカル開発環境 - MTDDC Meetup NAGOYA 2014
俺のローカル開発環境 - MTDDC Meetup NAGOYA 2014
taiju higashi
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
Preferred Networks
PFN は、「現実世界を計算可能にする」を Vision として,膨大な計算量を必要とするシミュレーションや深層学習などの計算ワークロードを実行するためのオンプレ ML 基盤を持っています。 この発表では、「オンプレクラスタの概要」と最近のトピックとして「新しく構築した「MN-2b」」、「Pod のリソース要求量の最適化を助けるしくみ」、「Kubernetes クラスタのアップグレード」についてお話します。 本イベント「オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜」では、オンプレミスの Kubernetes クラスタ上に構築された機械学習基盤を持つ PFN とヤフーのエンジニアが自社での取り組みについて語り尽くします! イベントサイト: https://ml-kubernetes.connpass.com/event/255797/
私とOSSの25年
私とOSSの25年
MITSUNARI Shigeo
早稲田大学情報理工学科講演会 20210515
NVIDIA ディープラーニング入門
NVIDIA ディープラーニング入門
Seong-Hun Choe
GPUコンピューティング研究会 これから始める方のためのディープラーニング入門 ニューラルネットワークの学習過程がわかりやすく説明されています。 特に畳み込みニューラルネットワーク(CNN)の説明がとても丁寧で、わかりやすいです。
Android & Nui & Physical Computing
Android & Nui & Physical Computing
Takahiro KUREBAYASHI
OpenJDKのコミッタってどんなことしたらなったの?解決してきた技術課題の事例から見えてくる必要な知識と技術(JJUG CCC 2023 Spring)
OpenJDKのコミッタってどんなことしたらなったの?解決してきた技術課題の事例から見えてくる必要な知識と技術(JJUG CCC 2023 Spring)
NTT DATA Technology & Innovation
OpenJDKのコミッタってどんなことしたらなったの? 解決してきた技術課題の事例から見えてくる必要な知識と技術 (JJUG CCC 2023 Spring) 2023年6月4日(日) NTT データ 技術開発本部 阪田 浩一
OpenCLに触れてみよう
OpenCLに触れてみよう
You&I
わんくま同盟名古屋勉強会#19での発表資料。
Trat sprint6
Trat sprint6
tratwakate
test
さくらのIoT Platformを使ってみよう ~OSC大阪編~
さくらのIoT Platformを使ってみよう ~OSC大阪編~
法林浩之
2017年1月28日(土)、オープンソースカンファレンス2017 Osakaでの発表資料です。
Infrastructure as Codeの取り組みと改善
Infrastructure as Codeの取り組みと改善
Takashi Honda
Developers Summit 2015にて登壇した際の資料です。 セッション: http://event.shoeisha.jp/devsumi/20150219/session/710/ 概要: 数年前よりChefやAnsibleといったProvisioning Toolsが広く話題となっています。 弊社では2013年にChefを導入、その後Chefでどこまで構築するか、テストはどうやって回すかを試行錯誤しながら取り組んできました。 そこで本セッションでは、実際に運用していく中で発生した課題をどのように解決していったかを、弊社におけるサーバ構築の概念を踏まえてお話します。
【20-E-5】実践!Infrastructure as a Codeの取り組みと改善
【20-E-5】実践!Infrastructure as a Codeの取り組みと改善
Developers Summit
【20-E-5】実践!Infrastructure as a Codeの取り組みと改善
Trat sprint6 pdf
Trat sprint6 pdf
tratwakate
test
20170726 py data.tokyo
20170726 py data.tokyo
ManaMurakami1
20170726 py data.tokyo
Similar to 機械学習環境にハマってみよう
(20)
Slurmのジョブスケジューリングと実装
Slurmのジョブスケジューリングと実装
OHS#2 pythonでgreをつくってみる
OHS#2 pythonでgreをつくってみる
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
Windowsにpythonをインストールしてみよう
Windowsにpythonをインストールしてみよう
さくらのIoT Platformを使ってみよう ~Developers in KOBE編~
さくらのIoT Platformを使ってみよう ~Developers in KOBE編~
Kaggle の Titanic チュートリアルに挑戦した話
Kaggle の Titanic チュートリアルに挑戦した話
ToolChainを使った次世代DevOps環境の作り方
ToolChainを使った次世代DevOps環境の作り方
俺のローカル開発環境 - MTDDC Meetup NAGOYA 2014
俺のローカル開発環境 - MTDDC Meetup NAGOYA 2014
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
私とOSSの25年
私とOSSの25年
NVIDIA ディープラーニング入門
NVIDIA ディープラーニング入門
Android & Nui & Physical Computing
Android & Nui & Physical Computing
OpenJDKのコミッタってどんなことしたらなったの?解決してきた技術課題の事例から見えてくる必要な知識と技術(JJUG CCC 2023 Spring)
OpenJDKのコミッタってどんなことしたらなったの?解決してきた技術課題の事例から見えてくる必要な知識と技術(JJUG CCC 2023 Spring)
OpenCLに触れてみよう
OpenCLに触れてみよう
Trat sprint6
Trat sprint6
さくらのIoT Platformを使ってみよう ~OSC大阪編~
さくらのIoT Platformを使ってみよう ~OSC大阪編~
Infrastructure as Codeの取り組みと改善
Infrastructure as Codeの取り組みと改善
【20-E-5】実践!Infrastructure as a Codeの取り組みと改善
【20-E-5】実践!Infrastructure as a Codeの取り組みと改善
Trat sprint6 pdf
Trat sprint6 pdf
20170726 py data.tokyo
20170726 py data.tokyo
機械学習環境にハマってみよう
1.
わんくま同盟 名古屋勉強会 #46 機械学習環境にハマってみよう 2018/12/15(土) You&I
2.
わんくま同盟 名古屋勉強会 #46 ジコ、ショウカイ。 •
H/N: You&I(読み:ユーアンドアイ) • SNS: @you_and_i • 出身: 生まれも育ちも名古屋市 • 年齢: 40歳代 • 本職: 商学部出身の職業プログラマ • 言語: C++他 •所属: プロ生勉強会 名古屋支部 名古屋アジャイル勉強会 わんくま同盟 名古屋勉強会 2
3.
わんくま同盟 名古屋勉強会 #46 AGENDA 1.
機械学習フレームワーク 2. Python環境構築 3. 機械学習環境構築 4. その他 3
4.
わんくま同盟 名古屋勉強会 #46 1.
機械学習フレームワーク 機械学習環境にハマってみよう 4
5.
わんくま同盟 名古屋勉強会 #46 1.
機械学習フレームワーク • セッション趣旨 – Python言語ベースの機械学習フレームワークの実 行環境構築って、色々ハマりどころが多い気がする。 (多分、気のせいではないけど) – 自分は機械学習側の開発ではなく、フレームワークか ら呼び出されるシミュレータ側の開発。早く学習できる 実行環境こそパワー。 – オンプレ前提でクラウドは扱いません。 – あくまで個人的な主観でちょっと整理してみよう。 5
6.
わんくま同盟 名古屋勉強会 #46 1.
機械学習フレームワーク • 用語整理 6 用語 説明 Machine Learning 機械学習 Reinforcement learning 強化学習 Deep Learning 深層学習 CNN/ConvNet(Convoluti onal Neural Network) 畳み込みニューラルネットワーク DNN(Deep Neural Network) 多層型ニューラルネットワーク RNN(Recurrent Neural Network) 再帰型ニューラルネットワーク
7.
わんくま同盟 名古屋勉強会 #46 1.
機械学習フレームワーク • 主な機械学習フレームワーク – UCバークレー Caffe – Facebook/NVDIA Caffe2 – Google TensorFlow • Keras • Unity ML-Agents – Preferred Networks Chainer – (Facebook) PyTorch 7
8.
わんくま同盟 名古屋勉強会 #46 2.
Python環境構築 機械学習環境にハマってみよう 8
9.
わんくま同盟 名古屋勉強会 #46 2.
Python環境構築 • OSの選択 – Linux • Distribution – Ubuntu – RHEL/CentOS – RedHawk Linux (RedHawk 7.3ではCUDA 8.0導入済み) • Kernel – Generic Kernel – RT_PREEMPT Kernel (Realtime) – LowLatency Kernel (Realtime) – Microsoft Windows – Apple macOS 9
10.
わんくま同盟 名古屋勉強会 #46 2.
Python環境構築 • Python環境の選択 – Docker – Anaconda/Miniconda – Python.orgのpythonインストーラ – OSに付属するpython • Pythonバージョンの選択 – Python 2.7 – Python 3.x(3.6 or 3.7) 10
11.
わんくま同盟 名古屋勉強会 #46 2.
Python環境構築 • Pythonパッケージ導入方法の選択 – Anaconda/Miniconda • オンラインのみ – pip – ソースコードからビルドしてwheelパッケージ作成 ※Anaconda/Miniconda環境からpipでパッ ケージのインストールができますが、依存関係が おかしくなる場合もあります。 11
12.
わんくま同盟 名古屋勉強会 #46 2.
Python環境構築 • 学習の高速化方法の選択 – NVIDIA CUDA • NVIDIA cuDNN • NVIDIA NCCL – 複数GPU制御 • NVIDIA Docker • Preferred Networks CuPy – NumPy高速化 – Intel Distribution for Python • Intel MKL(Math Kernel Library) – BLAS/LAPACK高速化 • Intel MKL-DNN – Intel Neural Compute Stick 12
13.
わんくま同盟 名古屋勉強会 #46 2.
Python環境構築 • NVIDIA CUDAを利用する場合のGPU選択 – NVIDIA CUDAにはCompute Capability値があり、GPU 毎に対応するバージョンが異なる。 https://developer.nvidia.com/cuda-gpus – CUDAもバージョン毎にサポートするCompute Capability 及びDisplay Driverがある。 13 CUDA Compute Capability Driver(Linux) Driver(Windows) CUDA 5.5以前 2.0 ~ 3.5 CUDA 6.0/6.5/7.0 2.0 ~ 5.2 >= 346.46 >= 347.62 CUDA 8.0 5.0 ~ 6.1 >= 367.48 >= 369.30 CUDA 9.0/9.1/9.2 5.0 ~ 7.0 >= 384.81 >= 385.54 CUDA 10.0 5.0 ~ 7.5 >= 410.48 >= 411.31
14.
わんくま同盟 名古屋勉強会 #46 2.
Python環境構築 • まとめ – OS – Python環境 – Pythonパッケージ導入方法 – 学習の高速化方法 – NVIDIA CUDAを利用する場合のGPU選択 • 上記に加えて、それぞれのバージョンの組み合わ せの検討が必要。 14
15.
わんくま同盟 名古屋勉強会 #46 3.
機械学習環境構築 機械学習環境にハマってみよう 15
16.
わんくま同盟 名古屋勉強会 #46 3.
機械学習環境構築 • Facebook/NVIDIA Caffe2 – フレームワーク導入方法 • Anaconda/Miniconda • NVIDIA Docker – 学習の高速化方法 • NVIDIA CUDA 16
17.
わんくま同盟 名古屋勉強会 #46 3.
機械学習環境構築 • Google TensorFlow – フレームワーク導入方法 • Anaconda/Miniconda • pip – 学習の高速化方法 • NVIDIA CUDA (TF 1.4以降はCUDA 9.0に対応) – Anaconda/MinicondaからCUDAのインストールも可能 • Intel Distribution for Python – Anaconda/MinicondaからMKL版のインストールも可能 • Intel Neural Compute Stick 17
18.
わんくま同盟 名古屋勉強会 #46 3.
機械学習環境構築 • Preferred Networks Chainer – フレームワーク導入方法 • pip – 学習の高速化方法 • Preferred Networks CuPy 18
19.
わんくま同盟 名古屋勉強会 #46 3.
機械学習環境構築 • (Facebook) PyTorch – フレームワーク導入方法 • Anaconda/Miniconda – 学習の高速化方法 • NVIDIA CUDA – Anaconda/MinicondaからCUDAのインストールも可能 19
20.
わんくま同盟 名古屋勉強会 #46 4.
その他 機械学習環境にハマってみよう 20
21.
わんくま同盟 名古屋勉強会 #46 4.
その他 • Unity ML-Agentsの注意事項 – 利用可能な機械学習フレームワークのバージョンが固 定されている。最新版は使えない。 • Python 3.6 • TensorFlow 1.7 – GPGPUに最適化されていないので、GPGPU環境で 実行すると、CPU実行時よりも学習速度が遅くなる。 • https://github.com/Unity-Technologies/ml- agents/issues/1246 21
22.
わんくま同盟 名古屋勉強会 #46 4.
その他 • 時間があればデモします 22
23.
わんくま同盟 名古屋勉強会 #46 4.
その他 • 以上、ハマりどころ沢山でしたね? 23
Download now