MXNet を使用する Keras - Deep Learning AMI

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

MXNet を使用する Keras

このチュートリアルでは、Conda を使用した AMI で MXNet バックエンドを使用し、Keras 2 をアクティブ化して使用する方法を説明します。

MXNet バックエンドを使用する Keras をアクティブ化し、Conda を使用する DLAMI でテストする

  1. MXNet バックエンドを使用する Keras をアクティブ化するには、Conda を使用した DLAMI の Amazon Elastic Compute Cloud (Amazon EC2) インスタンスを開きます。

    • Python 3 では、次のコマンドを実行します。

      $ source activate mxnet_p36
    • Python 2 では、次のコマンドを実行します。

      $ source activate mxnet_p27
  2. iPython ターミナルを起動します。

    (mxnet_p36)$ ipython
  3. MXNet を使用する Keras のインポートをテストして、正常に機能することを確認します。

    import keras as k

    次の画面が表示されます (警告メッセージがいくつか表示される場合があります)。

    Using MXNet backend
    注記

    エラーが発生した場合、または TensorFlow バックエンドが使用されている場合は、手動で Keras 設定を更新する必要があります。~/.keras/keras.json ファイルを編集してバックエンド設定を mxnet に変更します。

Keras-MXNet マルチ GPU トレーニングチュートリアル

畳み込みニューラルネットワーク (CNN) のトレーニング

  1. DLAMI にターミナルと SSH を開きます。

  2. ~/examples/keras-mxnet/ フォルダに移動します。

  3. ターミナルウィンドウで nvidia-smi を実行して、DLAMI で使用可能な GPU の数を確認します。次のステップでは、4 つの GPU を持っている場合、そのままスクリプトを実行します。

  4. (オプション) 次のコマンドを実行して、スクリプトを開き、編集します。

    (mxnet_p36)$ vi cifar10_resnet_multi_gpu.py
  5. (オプション) このスクリプトで、次の GPU の数を定義する行を探します。必要な場合は更新します。

    model = multi_gpu_model(model, gpus=4)
  6. 次にトレーニングを実行します。

    (mxnet_p36)$ python cifar10_resnet_multi_gpu.py
注記

Keras-MXNet は、channels_first image_data_format セットで最大 2 倍高速で実行されます。channels_first に変更するには、Keras 設定ファイル (~/.keras/keras.json) を編集し、次のように設定します。"image_data_format": "channels_first"

パフォーマンスチューニング技術の詳細については、「Keras-MXNet パフォーマンスチューニングガイド」を参照してください。

詳細

  • MXNet バックエンドを使用する Keras の例は Conda を使用する深層学習の AMI にあります。~/examples/keras-mxnetディレクトリ。

  • 他のチュートリアルや例については、「Keras-MXNet GitHub プロジェクト」を参照してください。