DockerでのディープラーニングGPU学習環境構築方法 - Qiita
DockerでGPU学習環境構築 背景 ディープラーニングでローカルPCのGPUを使った学習環境を構築した経験のある人は、一度はNVIDIAのドライバやCUDA周りでハマった経験があるのではないでしょうか？そんなバッドノウハウ（怪文章？）をまとめたQiita記事（TensorFlowでGPU学習させるためにCUDA周りではまったときの対処法）に、なんとNVIDIAの中の人(@ksasaki さん）から「Dockerを使えば…人類は幸せになれる（超意訳）」とのコメントをいただきました！ 喜び勇んで、NVIDIAのドライバをアップデートしたところ、そこには文鎮と化した起動しないLinuxマシンが…からあげのNVIDIAとの戦いは始まったばかりだ！（戦ってません） DockerでGPU学習環境構築するメリット うまく構築できればという前提で、以下のようなメリットがあります。 様々なフレームワーク
東大松尾研が無料で公開しているディープラーニングの実践的教育プログラム「DL4US」の学習環境をDockerを使ってコマンド一発で構築する方法 - Qiita
東大松尾研が無料で公開しているディープラーニングの実践的教育プログラム「DL4US」の学習環境をDockerを使ってコマンド一発で構築する方法PythonDeepLearningDockerJupyterNotebook 東京大学 松尾研究室公開の無料ディープラーニング教材「DL4US」 東大の松尾研が「DL4US」という素晴らしい教材を公開されていますね。松尾研究室は、以前にも「Deep Learning基礎講座演習コンテンツ」を無料で公開していましたが、今回はそのバージョンアップ版という印象です。 実態は、Jupyter Notebook形式の実践的なチュートリアルとなっており、Deep Learning基礎講座演習コースのときは、ブログにPyenv・Anacondaを使って学習環境を構築する記事を書きましたが、私の方もバージョンアップ版ということで、今度はDockerを使ってコマンド
ディープラーニングを始めたいひとのLinux環境構築【Python×Keras】 - Qiita
LinuxでKerasを動かす際の環境構築手順をまとめました。 ディストリビューションはUbuntu 16.04 LTS、GPUで学習を行うことを想定しています。 なお、本投稿によって生じた全ての事象について私は責任を負いかねますので、必ず自己責任で行うようお願いします。 今回はこのような流れで進めていきます。 はじめに Google Chromeをインストール Visual Studio Codeをインストール fishをインストール Pythonをインストール CUDAをインストール Tensorflow/Kerasをインストール Kerasでmnistの学習を実行 終わりに はじめに まずはじめにターミナルを開き、下記を実行しておきます。
Windows上にディープラーニング環境を構築するまで - Qiita
概要 Windows上にディープラーニング環境を構築する際、ネット上の情報を組み合わせる必要があったので、ここにまとめておく 環境 ・OS：Windows7 64bit ・言語：Python ・Python環境：Anaconda、Spyder ・ディープラーニング環境：Tensorflow, Keras AnacondaはPythonを使う上で便利ものをパッケージとしてダウンロードできるくらいに覚えてる。 SpyderはAnacondaをインストールすると一緒についてくるPythonのエディタ（Visual StudioやXcode、Eclipseみたいなもの） TensorflowはGoogleが提供しているPython上で動くディープラーニング環境で、Kerasはそれを便利に使えるようにするライブラリ群みたいなもの。終盤で紹介する。 Anacondaのインストール 2017/5/6現在
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
