勉強会の開発テスト実行環境

AIプログラム作成実行環境を Ubuntu専用サーバーで構築して
X2Goでリモートデスクトップ接続できるようにした。したがって、インターネット接続したPCがあれば、何処からでもプログラムを試すことができる。

以下
クライアントPCから、リモートデスクトップ接続したら、terminalを開いてテスト

## 仮想環境切替
usr1@usr1-desktop:~$ cd projP3/
usr1@usr1-desktop:~/projP3$ source venvP3/bin/activate
(venvP3) usr1@usr1-desktop:~/projP3$

## python テスト
(venvP3) usr1@usr1-desktop:~/projP3$ python
Python 3.5.2 (default, Nov 12 2018, 13:43:14)
[GCC 5.4.0 20160609] on linux
Type “help”, “copyright”, “credits” or “license” for more information.
>>> a=1.234
>>> type(a)
<class ‘float’>
>>> print(a)
1.234
>>> quit()
(venvP3) usr1@usr1-desktop:~/projP3$

## 仮想環境終了
(venvP3) usr1@usr1-desktop:~/projP3$ deactivate

 

 

Keras 深層学習ライブラリ

AIプログラムが、この深層学習ライブラリKerasのおかげで、画期的に短いコードで実現できるようになっています。

ここでKerasの使い方を理解する(このURLは、ブラウザにブックマーク!https://keras.io/ja/

なぜKerasを使うか?
https://keras.io/ja/why-use-keras/

AIプログラムはKerasライブラリで短いコードで実装できます。AIプログラミングには、Pythonの学習が必要ですが、それ以上にKerasライブラリの勉強が必要です。

なお、このライブラリは、プログラムを Sequentialモデルとfunctional APIモデルで書くことができる。
複雑な処理を書く場合は、functional APIを使用する必要があるので、最初からfunctional APIで書くようにした方がいいと思う。

 

開発サーバーを構築してみた

sandy bridgeのパソコンがあったので、GeForce GTX 1060を買って開発環境を構築しました。
クラウドの開発環境を使用すると時間で課金されるが、GeForce 28,000円で時間を気にしないで開発できるのはありがたい。

ネットでインストール方法を探し、  ここを参考にして
Ubuntu 16.04 LTS , CUDA, TensorFlowをインストールした。Dockerはまだ必要なさそうなので入れなかった。Ubuntu 16.04は、インストーラーにバグがあるみたいで、インストール中に固まることがありました。

インストール順序
・OSインストール(GPU取り付け済)Ubuntu 16.04
・NVIDIAドライバーインストール Ubuntu 16.04をサポートしている
・CUDA Toolkitのインストール  version9.0 
・cuDNNのインストール

 

やって見てわかったことですが、ソフト・ハードの組み合わせの条件がたくさんあり、気を付けないとはまる。
あと、半年もすると、ライブラリがバージョンアップしたりするので、サポート終了にりそうなのを組み合わせていると大変なことになりそうです。

仮想環境 Python はバージョンの互換性がないので、個別に仮想環境を作成する必要がある。仮想環境の作成方法は複数あるのだが非常にわかりにくい。仮想環境はvenvを使うことにして、ここを参考に https://www.mathpython.com/ja/python-venv/ 構築した。