ブラウザーの【JavaScript】が無効になっているため、画面を正常に表示することができません!
NVIDIA Deep Learning Frameworks:深層学習 開発環境、構築、最適化情報|株式会社アークブレイン
株式会社アークブレイン HOME


NVIDIA® Deep Learning (深層学習) 開発環境 構築情報
NVIDIA® Deep Learning Frameworks

こちらは、「NVIDIA® Deep Learning (深層学習)」を開発するPC(ワークステーション、サーバー)に必要な開発環境を構築する方法の概略や、構築に参考となる情報を集めたページとなります。
各々の情報のサイト・リンク情報、NVIDIA® CUDA、CUDA GUP ドライバー、NVIDIA® DIGITS、cuDNN、フレームワーク(Caffe、theano、torch、BIDMach)などをダウンロード、インストールする方法の概略情報があります。
既に Deep Learning の開発環境をお持ちの方も、また、これから導入を考えておられる方にも、何かのご参考になれば幸いです。

インテル® Xeon® プロセッサや、Xeon® Phi™ x200 プロセッサ(Knights Landing)を使用した場合の Deep Learning 開発に関しての情報はこちらをご覧ください。
(2017/04/08 更新)
GPU ハードウェア要件
Turing Architecture GPUs
プロセッサ ドライバー CUDA Toolkit DIGITS cuDNN
Frameworks
Caffe theano torch BIDMach Keras Another
Frameworks



Arcbrain Deep Learning GWS Middle Tower Chassis
株式会社アークブレインでは、Deep Learning(深層学習)を研究するための カスタム・オーダーメイドの ワークステーション(GPU × 1~4)や、サーバー(GPU × 1~4)を販売しております。

Intel® Xeon® Scalable Processor 搭載
Arcbrain オリジナル サーバー、ワークステーション製品 最新ラインナップ


GPUを使用せず、Intel® Xeon® / Core™ Processor、インテル® Parallel Studio、インテル® MKL(Math Kernel Library) の DNN(Deep Neural Network) プリミティブ、インテル® Distribution for Python® による Deep Learning(深層学習)の開発環境を構築することも可能です。

お気軽に弊社までお見積り依頼をお願いいたします。
ご希望の仕様に合った構成のカスタマイズに、ご対応させていただきます。

NVIDIA® Accelerated Computing Developer Program
NVIDIA® Deep Learning の開発環境(NVIDIA® CUDA、NVIDIA® DIGITS™、cuDNN等)を入手するためには、まず、Accelerated Computing Developer Program に登録する必要があります。
https://developer.nvidia.com/accelerated-computing-developer
Deep Learning Frameworks
深層学習フレームワーク

https://developer.nvidia.com/deep-learning-frameworks

Deep learning framework by the BVLC (Berkeley Vision and Lerning Center)
http://caffe.berkeleyvision.org/

NVIDIA® Caffe
https://developer.nvidia.com/taxonomy/term/690
http://caffe.berkeleyvision.org/installation.html

Caffe is a deep learning framework made with expression, speed, and modularity in mind. Caffe is developed by the Berkeley Vision and Learning Center (BVLC), as well as community contributors and is popular for computer vision.

Caffe supports cuDNN v5 for GPU acceleration.
(まだ、CuDNN v6 は、正式サポートされていません)

Supported interfaces: C, C++, Python(インストール時に Version 2 / 3 を要選択), MATLAB, Command line interface
Learning Resources
Deep learning course: Getting Started with the Caffe Framework
Blog: Deep Learning for Computer Vision with Caffe and cuDNN

http://caffe.berkeleyvision.org/installation.html

■ Ubuntu 12.04 の場合
Download ZIP
https://github.com/BVLC/caffe/

Install git
$ cd
$ sudo apt-get install git

Install caffe
$ git clone https://github.com/BVLC/caffe.git

Compilation with Make
$ cd caffe
$ cp Makefile.config.example Makefile.config

cnDNN を使用して高速化をする場合は、Makefile.config の Line 5 の 冒頭の#を取ってください。

# USE_CUDNN := 1
    ↓
USE_CUDNN := 1

●Compilation
Make コマンドにより、コンパイルしてください。

$ make all

6-Core/12-Thread 対応のハイエンド・デスクトップ用の Intel@ Core™ i7 processor (i7-6980K、i7-6985K等)の場合、-j12 と指定しますと、プロセッサの全ての Thread を使用して最大の能力を使って、高速にコンパイルができます。

$ make -j12 all
$ make -j12 test
$ make -j12 runtest

以上のテストが全てOKとなれば、 Caffe の環境構築は終了となります。

Ubunt 16.04 の場合は、NVIDIA DIGITS 4.0 / 5.0 を ソースからビルドするときに、こちらのページの指示に従って、Caffe をビルドしておく必要があります。
Build Caffe from source using Git
最新版の ubuntu 16.04.3 日本語版では、何とか コンパイルは通過しても、リンカー ld が異常終了して、Core Dump してしまいます。(BLVC、NVIDIA版の両方とも) どちらかというと、NVIDIA版の方が、警告の表示が少なく、お勧めです。 どうしても、日本語の環境で ld が異常終了してしまう場合、英語版を試してみてください。
先頭へ戻る
Caffe2 is a deep learning framework enabling simple and flexible deep learning.
Built on the original Caffe, Caffe2 is designed with expression, speed, and modularity in mind, allowing for a more flexible way to organize computation.

Caffe2 supports cuDNN v5.1 for GPU acceleration.

Supported interfaces: C++, Python

Learning Resources

Download Caffe2   Download cuDNN

先頭へ戻る
https://docs.microsoft.com/en-us/cognitive-toolkit/Setup-CNTK-on-your-machine
Microsoft® The Computational Network Toolkit
unified deep-learning toolkit from Microsoft Research that makes it easy to train and combine popular model types across multiple GPUs and servers. The Microsoft Cognitive Toolkit —previously known as CNTK— is a unified deep-learning toolkit from Microsoft Research that makes it easy to train and combine popular model types across multiple GPUs and servers. Microsoft Cognitive Toolkit implements highly efficient CNN and RNN training for speech, image and text data.

Microsoft Cognitive Toolkit supports cuDNN v5.1 for GPU acceleration.

Supported interfaces: Python, C++, C# and Command line interface

Download CNTK   Download cuDNN

先頭へ戻る
Googleが開発した データフローグラフを用いた DeepLearning、人工知能、多層ニューラルネットワーク、数値計算のためのソフトウェアライブラリ。2015年11月、オープンソース公開されました。
https://www.tensorflow.org/install/#download-and-setup
Software library for numerical computation using data flow graphs, developed by Google’s Machine Intelligence research organization.

TensorFlow is a software library for numerical computation using data flow graphs, developed by Google’s Machine Intelligence research organization.

TensorFlow supports cuDNN v5.1 for GPU acceleration.

Supported interfaces: C++, Python

Download TensorFlow   Download cuDNN

先頭へ戻る

http://deeplearning.net/software/theano/

Theano is a math expression compiler that efficiently defines, optimizes, and evaluates mathematical expressions involving multi-dimensional arrays.

Theano supports cuDNN v5 for GPU acceleration.

Supported interfaces: Python

Learning resources
•Deep learning course: Getting Started with the Theano Framework

https://pypi.python.org/pypi/Theano

Download Theano-0.8.2.tar.gz
Download Theano-0.9.0.tar.gz

Optimizing compiler for evaluating mathematical expressions on CPUs and GPUs.


Theano is a Python library that allows you to define, optimize, and efficiently evaluate mathematical expressions involving multi-dimensional arrays.
It is built on top of NumPy.
先頭へ戻る

http://torch.ch/

Torch is a scientific computing framework that offers wide support for machine learning algorithms.

Torch supports cuDNN v5 for GPU acceleration.

Supported interfaces: C, C++, Lua

Learning resources
•Deep learning course: Getting Started with the Torch Framework
•Blog: Understanding Natural Language with Deep Neural Networks Using Torch

https://github.com/soumith/cudnn.torch

■ Ubuntu 12.04 の場合
Download ZIP
https://github.com/torch/torch7

torch7-nv は、0.9.92 から 0.9.98-1+cuda7.5 にアップデート

Ubunt 16.04 の場合は、NVIDIA DIGITS 4.0 / 5.0 を ソースからビルドするときに、こちらのページの指示に従って、torch7 をビルドしておくおくことが、推奨されています。(インストールしませんと、DIGITS がエラーとなることが多々ありますので、基本的には必ずインストール)
Build torch from source using Git
先頭へ戻る
http://mxnet.readthedocs.io/en/latest/how_to/build.html
Deep learning framework designed for both efficiency and flexibility that allows you to mix the flavors of symbolic programming and imperative programming to maximize efficiency and productivity. MXnet is a deep learning framework designed for both efficiency and flexibility that allows you to mix the flavors of symbolic programming and imperative programming to maximize efficiency and productivity.

MXnet supports cuDNN v5 for GPU acceleration.

Supported Interfaces: Python, R, C++, Julia

Download MXnet   Download cuDNN

先頭へ戻る
Preferred Networks/Preferred Infrastructure が開発した日本製の深層学習フレームワーク。
、ニューラルネットワークを実装するためのライブラリ define-by-runの原則の上に設計されており、ランタイムでのネットワーク修正が可能で、任意の制御フローステートメントを使えるようになります
http://chainer.org/
A Powerful, Flexible, and Intuitive Framework of Neural Networks
Pythonで動作し、実行にはCUDAが必須となります。
https://github.com/pfnet/chainer
Deep learning framework that’s designed on the principle of define-by-run.
$ sudo pip install chainer Chainer is a deep learning framework that’s designed on the principle of define-by-run. Unlike frameworks that use the define-and-run approach, Chainer lets you modify networks during runtime, allowing you to use arbitrary control flow statements.

Chainer supports cuDNN v5.1 for GPU acceleration.

Supported Interfaces: Python

Download Chainer   Download cuDNN

先頭へ戻る
BIDMach



Welcome to the BID Data Project! Here you will find resources for the fastest Big Data tools on the Web. See our Benchmarks on github. BIDMach running on a single GPU-equipped host holds the records for many common machine learning problems, on single nodes or clusters.

Try It! BIDMach is an interactive environment designed to make it extremely easy to build and use machine learning models. BIDMach runs on Linux, Windows 7&8, and Mac OS X, and we have a pre-loaded Amazon EC2 instance. See the instructions in the Download Section.

Develop with it. BIDMach includes core classes that take care of managing data sources, optimization and distributing data over CPUs or GPUs. It’s very easy to write your own models by generalizing from the models already included in the Toolkit.

Download
http://bid2.berkeley.edu/bid-data-project/download/

Download Source
https://github.com/BIDData/BIDMach

The BID Data Suite is freely available under a BSD-style license. Complete bundles for Linux, Windows and Mac are available here. BIDMat is a self-contained matrix toolkit. BIDMach uses BIDMat as a library but includes it in the bundle, so you dont need to download BIDMat as well.

The basic bundles require Java 1.7, and for GPU use, CUDA 7.0. If you want to use the IScala notebooks, you need a recent version of IPython installed. The current release is Version 1.0.3.

•BIDMach 1.0.3 for 64-bit Linux
•BIDMach 1.0.3 for 64-bit windows
•BIDMach 1.0.3 for 64-bit Mac OSX

•BIDMat 1.0.3 for 64-bit Linux
•BIDMat 1.0.3 for 64-bit windows
•BIDMat 1.0.3 for 64-bit Mac OSX

Full bundles which include the CUDA 7.0 runtime.
•BIDMach 1.0.3 for 64-bit Linux
•BIDMat 1.0.3 for 64-bit Linux

CUDA 7.5、8.0 を使用する場合は、Github よりソースを入手し、コンパするする必要あり。
Source code is available on Github here:
https://github.com/BIDData/BIDMach
•BIDMat
•BIDMach
先頭へ戻る
Keras



Keras は,Python で書かれた、TensorFlow または Theano 上で実行可能な高水準のニューラルネットワークライブラリです。
Keras は,迅速な実験を可能にすることに重点を置いて開発されました。

Keras は 次のような深層学習ライブラリが必要な場合に適しています。:
・簡単で早くプロトタイプ作成が可能 (全体的なモジュール性,ミニマリズム,および拡張性による)
・CNNとRNNの両方,およびこれらの2つの組み合わせをサポート
・任意の接続方式 (複数入力および複数出力の学習を含む) をサポート
・CPUとGPUでシームレスな実行

Keras は Python 2.7-3.5 と互換性があります.

https://keras.io/ (English)

https://keras.io/ja/ (日本語)

GitHub fcholet Keras
https://github.com/fchollet/keras

Download Source from GitHub
https://github.com/fchollet/keras/archive/master.zip

先頭へ戻る
Another Frameworks 以上の 深層学習用のフレームワークの他にも、一例としまして、以下のようなものがあります。
Brainstorm
https://github.com/IDSIA/brainstorm
Combining lessons from previous projects with new design elements, and written entirely in Python, Brainstorm has been designed to work on multiple platforms with multiple computing backends.
Kaldi
https://github.com/kaldi-asr/kaldi
Kaldi Speech Recognition Toolkit
MatConvNet
http://www.vlfeat.org/matconvnet/
MATLAB toolbox implementing Convolutional Neural Networks (CNNs) for computer vision applications.
MaxDNN
https://github.com/eBay/maxDNN
High Efficiency Convolution Kernel for NVIDIA Maxwell GPU Architecture.
Deeplearning4j
http://deeplearning4j.org/
Deep Learning for Java
First commercial-grade, open-source, distributed deep-learning library written for Java and Scala. Integrated with Hadoop and Spark, DL4J is designed to be used in business environments on distributed GPUs and CPUs. Skymind is its commercial support arm.
Lasagne (Theano)
https://github.com/Lasagne/Lasagne
Lightweight library to build and train neural networks in Theano.
Marvin
http://marvin.is/
A minimalist GPU-only N-dimensional ConvNet framework.
Leaf
https://github.com/autumnai/leaf
Open Machine Intelligence Framework for Hackers. (GPU/CPU)
http://autumnai.com/leaf/book
先頭へ戻る
Self-Paced
Courses
for
Deep
Learning

https://developer.nvidia.com/deep-learning-courses

Introduction to Deep Learning
Getting Started with DIGITS for Image Classification
Getting Started with the Caffe Framework
Getting Started with the Theano Framework
Getting Started with the Torch Framework
先頭へ戻る


Arcbrain Deep Learning GWS Middle Tower Chassis
株式会社アークブレインでは、Deep Learning(深層学習)を研究するための カスタム・オーダーメイドの ワークステーション(GPU × 1~4)や、サーバー(GPU × 1~4)を販売しております。

Intel® Xeon® Scalable Processor 搭載
Arcbrain オリジナル サーバー、ワークステーション製品 最新ラインナップ


GPUを使用せず、Intel® Xeon® / Core™ Processor、インテル® Parallel Studio、インテル® MKL(Math Kernel Library) の DNN(Deep Neural Network) プリミティブ、インテル® Distribution for Python® による Deep Learning(深層学習)の開発環境を構築することも可能です。

お気軽に弊社までお見積り依頼をお願いいたします。
ご希望の仕様に合った構成のカスタマイズに、ご対応させていただきます。


GPU ハードウェア要件
Turing Architecture GPUs
プロセッサ ドライバー CUDA Toolkit DIGITS cuDNN
Frameworks
Caffe theano torch BIDMach Keras Another
Frameworks

 
インテル® ソフトウェア開発製品 販売代理店
Intel® Software Development Products Resellers
Avast® Software パートナー
AVG® Gold Level Reseller

株式会社アークブレイン
〒151-0073 東京都渋谷区笹塚 2丁目47番1号
TEL 03-3375-8968
IP TEL 050-3334-0311 〔OCN〕
FAX 03-3375-8767

お問い合わせ、御見積依頼 はこちらからどうぞ

Copyright® 2019  Arcbrain Inc.