NSOLT論文(ICASSP2014)の引用

辞書学習法Method of optimal directions(MOD)で有名なKjersti Engan先生(University of Stavanger, Norway)らの以下の論文で、私たちのNSOLT(ICASSP2014)論文が構造化辞書学習の一手法として引用されました。

NSOLTについてはこちら

 

平成29年9月8日 電子情報通信学会フォーラム@新潟大学開催

電子情報通信学会 創立100周年記念事業フォーラムが下記の通り開催されます。

日時:平成29年9月8日(金)10:15~17:20
場所:新潟大学附属図書館 1F ライブラリーホール

IoT,ビックデータ,AIの現状とその次の未来
~地域でどのような産業が興るのか~

当日のプログラムは、こちら

詳細は、電子情報通信学会信越支部ホームページ→ニュースへ

 

 

第32回 信号処理シンポジウム発表/参加申込ページ

第32回 信号処理シンポジウムの発表申込と参加申込のページが公開されました。

http://www.ieice.org/~sip/symp/2017/

日程: 11月8日〜10日
会場:マリオス盛岡地域交流センター18階会議室

締め切り:

  • 発表申込締切:2017年8月4日(金)
  • 論文投稿締切:2017年9月8日(金)
  • 早期参加登録締切:2017年10月6日(金)

 

IEICE 2017年5月SIP研究会にて成果発表

2017年5月25,26日に名古屋工業大学にて電子情報通信学会信号処理研究会が開催されました。

2日目、M1藤井君が以下の発表を行いました。

藤井元暉・村松正吾(新潟大)確率的勾配降下法による非分離冗長重複変換設計の学習率制御の検討,信学技報,信号処理,名工大,2017年5月26日

http://www.ieice.org/ken/paper/20170526XbTP/

 

Ubuntu 14.04 上で MATLAB 2017a GPU利用 + TensorFlow-GPU

MATLAB R2017a でGPUを利用したディープラーニングが実行できるように、CUDAドライバ等のアップデートを行いました。同時にGPU版Tensorflowをインストールしました。

まず、MATLAB R2016b から R2017a にアップデートしたときに、GPUを利用できなくなりました。以下が MATLAB 2017a でのエラー内容です。

>> gpuArray(1)
エラー: gpuArray
CUDA 実行中に予期しないエラーが発生しました。CUDA エラー:
CUDA driver version is insufficient for CUDA runtime version

MATLAB R2017a Parallel Computing Toolboxのリリースノートより、MATLAB 2017a では CUDA toolkit version 8.0 が必要なことが分かります。

PCスペック

OSおよびカーネルの情報。

$ uname -a
Linux temsip01 3.13.0-117-generic #164-Ubuntu SMP Fri Apr 7 11:05:26 UTC 2017 x86_64 x86_64 x86_64 GNU/Linux

GPUの情報。NVIDIA Tesla K80 が2台載っています。

$ lspci | grep -i nvidia
04:00.0 3D controller: NVIDIA Corporation GK210GL [Tesla K80] (rev a1)
05:00.0 3D controller: NVIDIA Corporation GK210GL [Tesla K80] (rev a1)
$ nvidia-smi
Thu May 18 12:31:54 2017
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 375.51 Driver Version: 375.51 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 Tesla K80 Off | 0000:04:00.0 Off | 0 |
| N/A 36C P0 61W / 149W | 207MiB / 11439MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
| 1 Tesla K80 Off | 0000:05:00.0 Off | 0 |
| N/A 24C P8 29W / 149W | 2MiB / 11439MiB | 0% Default |
+-------------------------------+----------------------+----------------------+

+—————————————————————————–+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| 0 4907 C /usr/local/MATLAB/R2017a/bin/glnxa64/MATLAB 205MiB |
+—————————————————————————–+

古い CUDA および NVIDIAドライバのアンインストール

`uninstall_cuda_7.5.pl` の場所は CUDA をインストールした場所によって変わります。

# /usr/local/cuda-7.5/bin/uninstall_cuda_7.5.pl


# apt-get --purge remove nvidia*

パッケージ更新

ずっとアップグレードしてなかったので。ただし、`apt-get dist-upgrade` はカーネルに変更を加える場合があるので注意。

# apt-get update
# apt-get dist-upgrade
# apt-get autoremove

NVIDIA Driver のインストール

リポジトリに追加。

# add-apt-repository ppa:graphics-drivers/ppa
# apt-get update

最新のドライバを確認。

# apt-cache search nvidia-3

インストール。

# apt-get install nvidia-381

CUDA 8.0 toolkit のインストール

リポジトリに追加。

# wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/cuda-repo-ubuntu1404_8.0.61-1_amd64.deb
# dpkg -i cuda-repo-ubuntu1404_8.0.61-1_amd64.deb
# apt-get update

インストール。

# apt-get install cuda

CUDAをパスに追加します。以下の内容を.bashrcに書き込み、`source .bashrc`を実行します。

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/lib/nvidia-381"
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:${CUDA_HOME}/bin

R2017aで動作確認

ここまでで、MATLAB R2017a でGPUを利用できるようになります。

>> gpuDevice

ans =

CUDADevice のプロパティ:

Name: ‘Tesla K80’
Index: 1
ComputeCapability: ‘3.7’
SupportsDouble: 1
DriverVersion: 8
ToolkitVersion: 8
MaxThreadsPerBlock: 1024
MaxShmemPerBlock: 49152
MaxThreadBlockSize: [1024 1024 64]
MaxGridSize: [2.1475e+09 65535 65535]
SIMDWidth: 32
TotalMemory: 1.1996e+10
AvailableMemory: 1.1642e+10
MultiprocessorCount: 13
ClockRateKHz: 823500
ComputeMode: ‘Default’
GPUOverlapsTransfers: 1
KernelExecutionTimeout: 0
CanMapHostMemory: 1
DeviceSupported: 1
DeviceSelected: 1

cuDNN 6.0 のインストール

GPU版のTensorflowを使うには、さらにcuDNNというライブラリをインストールする必要があります。cuDNNのダウンロードページから cuDNN v6.0 for CUDA 8.0 をダウンロードし、解凍して`/usr/local/`に置きます。ダウンロードするにはNVIDIAへのユーザ登録が必要です。

# tar xzvf cudnn-8.0-linux-x64-v6.0.tgz
# cp -a cuda/lib64/* /usr/local/cuda-8.0/lib64/
# cp -a cuda/include/* /usr/local/cuda-8.0/include/
# ldconfig

cuDNNについてもパスを追加します。以下の内容をHOMEの.bashrcに書き込み、`source .bashrc`を実行します。

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cudnn-6.0/lib64"

PIP で GPU版Tensorflow をインストール

これでGPU版のTensorflowを動かすことができるようになります。念のため古いtensorflowをアンインストールしてからインストールしました。`pip install tensorflow`だとCPU版のTensorflowが入ってしまうので注意。

pip uninstall tensorflow
pip install --upgrade tensorflow-gpu