読者です 読者をやめる 読者になる 読者になる
自分のための備忘録的なブログです。

Ubuntu14.04LTS および Win10 を使って、ディープラーニングの勉強をしています。記載されているコードは、他の OS には互換性がない可能性があります。


DNN:
マシン性能別 学習速度の比較, TFチュートリアルをmodifyする

python3:
オブジェクト指向プログラミングとは, モジュールとインポート、パスを通す, システムコマンド(os), ファイル・フォルダ名取得, 画像の前処理,

Ubuntu14 の初期設定:
Ubuntu14初期設定, 初期設定-2, cudaなども,

TensorFlow tutorial をちょこちょこ modify する。

Under construction です。

 

 

 

チュートリアルのダウンロード

git をインストール

sudo apt-get install git

git を使って、チュートリアルをクローン(画像認識系のみ)

git clone https://github.com/tensorflow/models/tutorials/image

カレントディレクトリに、「image」ディレクトリが作成され、その中にチュートリアルが入る。

 

せっかくなので、チュートリアルだけでなく、モデル一般も一気にダウンロードしたいところ。

git clone https://github.com/tensorflow/models/

カレントディレクトリに、「models」ディレクトリが作成される。チュートリアルは、models/tutorials/image 内に入る。

 

 

Modify

VRAM使用量の制限

下記コードを適当なところ(多分 import より下、ほんちゃんの Session よりも前。一番下に入れると、メモリー全部確保されてしまった!)に入れておく。

config = tf.ConfigProto(
gpu_options=tf.GPUOptions(
per_process_gpu_memory_fraction=0.5 # 最大値の50%まで
)
)
sess = sess = tf.Session(config=config)

 引用元

qiita.com

ソース

Using GPUs  |  TensorFlow

 

CPUonly で eval.py を実行する。

TensorFlow の CIFAR-10 のチュートリアルでは、training でも evaluation でも GPU を使用する。このため、GPU のメモリーがいっぱいだと、cifar10_eval.py が走らない。

このため、cifar10_eval.py は cpu only で実行したい。cpu only なら VRAM (GPU のメモリー) の使用量にかかわらず、走ってくれる。

qiita.com

CUDA_VISIBLE_DEVICE=-1 python cifar10_eval.py

# CUDA_VISIBLE_DEVICE=-1 とすると、GPU を使わずにコードを実行してくれる。その後に、普通に "python cifar10_eval.py" と続ければOK

参考