平成29年6月14日(水)17:30から脳研究所附属統合脳機能研究センター6F(旭町キャンパス)にて第2回 U-go サロンが開催されました。
MSIP Labからは、村松が以下のポスター発表を行いました。
平成29年6月14日(水)17:30から脳研究所附属統合脳機能研究センター6F(旭町キャンパス)にて第2回 U-go サロンが開催されました。
MSIP Labからは、村松が以下のポスター発表を行いました。
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
MATLAB R2017a imfilterの修正パッチがこちらで公開されました。
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:
平成29年6月1日本学開学記念日、国立大学法人新潟大学永年勤続者表彰規程第2条(2)の「表彰を受ける者」に該当したため、村松が表彰を受けました。
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/
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。
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 |
+—————————————————————————–+
`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*
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
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
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:${CUDA_HOME}/bin
ここまでで、MATLAB R2017a でGPUを利用できるようになります。
>> gpuDevice
ans =
CUDADevice のプロパティ:
Name: ‘Tesla K80’
Index: 1
ComputeCapability: ‘3.7’
SupportsDouble: 1
DriverVersion: 8
ToolkitVersion: 8
MaxThreadsPerBlock: 1024
MaxShmemPerBlock: 49152
MaxThreadBlockSize: [1024 1024 64]
MaxGridSize: [2.1475e+09 65535 65535]
SIMDWidth: 32
TotalMemory: 1.1996e+10
AvailableMemory: 1.1642e+10
MultiprocessorCount: 13
ClockRateKHz: 823500
ComputeMode: ‘Default’
GPUOverlapsTransfers: 1
KernelExecutionTimeout: 0
CanMapHostMemory: 1
DeviceSupported: 1
DeviceSelected: 1
GPU版のTensorflowを使うには、さらにcuDNNというライブラリをインストールする必要があります。cuDNNのダウンロードページから cuDNN v6.0 for CUDA 8.0 をダウンロードし、解凍して`/usr/local/`に置きます。ダウンロードするにはNVIDIAへのユーザ登録が必要です。
# tar xzvf cudnn-8.0-linux-x64-v6.0.tgz
# cp -a cuda/lib64/* /usr/local/cuda-8.0/lib64/
# cp -a cuda/include/* /usr/local/cuda-8.0/include/
# ldconfig
cuDNNについてもパスを追加します。以下の内容をHOMEの.bashrcに書き込み、`source .bashrc`を実行します。
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cudnn-6.0/lib64"
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
平成29年5月11日(木)、タイ王国チュラロンコーン大学Supavadee Aramvith先生にMSIP Lab をご訪問いただきました。
14:00からは、新潟県工業技術総合研究所の阿部博士、五十嵐博士と共に燕市玉川堂を訪問しました。
工場を見学し、鎚起銅器製造工程に関する説明を受けたほか、総務省SCOPEプロジェクト「伝統的工芸品の世界販売戦略を支援するためのバーチャルショウケースの研究開発」に関する意見交換を行いました。
16:25からは、映像処理と通信に関する研究成果について、修士課程学生向けに90分間の講義(アドバンストテクノロジー)をしていただきました。
研究・教育に関して有益な情報交換を行うとともに交流を深めることができました。