DeepLearningライブラリの種類と選び方
PythonでサポートされているDeepLearningライブラリとしては……
- PyTorch
- TensorFlow
- Chainer
- Keras
- Caffe
などが挙げられます。
いずれも優れたライブラリですが、環境設定・インストールの敷居が高いところがあります。
これらの中で、現在、最もお手軽にインストールができるライブラリはPyTorchです。
それでは、5分でPyTorchのインストールを済ませてしまいましょう。
PyTorchのインストール方法
- インストール先のサーバの設定
- Ubuntu 16.04 LTS
- CUDA-8.0
Anacondaのインストール
はじめに、DeepLearning用のライブラリを集めたディストリビューションであるAnacondaというソフトウェアをインストールする必要があります。
Anacondaのダウンロードページにアクセスし、Anacondaのリンクを取得します。
wgetコマンドでリンク先をダウンロードし、その後実行権限を与えてインストール。
wget https://repo.anaconda.com/archive/Anaconda3-5.3.0-Linux-x86_64.sh
chmod a+x ./Anaconda3-5.3.0-Linux-x86_64.sh
./Anaconda3-5.3.0-Linux-x86_64.sh
source activate ~/.bashrc
PyTorchをインストール
PyTorchの公式サイトからget-startedのページにアクセスし、以下の要件でPyTorchのインストール用コマンドを生成します。
生成したコマンドを実行して、PyTorchのインストールが完了します。
conda install pytorch torchvision cuda80 -c pytorch
たったこれだけでPyTorchによるDeepLearningが実行できるようになりました!
chainerやTensorFlowに比べ、あっという間に、かつ安定して環境構築ができるところがPyTorchの大きなメリットです。
PyTorchのテスト
それでは、インストールしたPyTorchがGPUモードで動くことの確認をしてみます。
ipythonのインタープリタから、以下のコードを実行してみましょう。
ipython
In [1]: import torch
In [2]: t1 = torch.tensor([1, 2]).cuda()
In [3]: t2 = torch.tensor([3, 4]).cuda()
In [4]: t1 + t2
Out[4]: tensor([ 4, 6], device='cuda:0')
無事にGPUでベクトルの計算ができたことが確認できました。
これで好きなだけPyTorchを使ってDeepLearningを実行させることができます。
参考
- Accelerate growth efficiently for everyone with the AI and data science experts.