概要

GPUサーバ(gamma/digamma)は，GPUとして NVIDIA Tesla K40m を搭載し， GPUに対応した深層学習ライブラリを利用することで深層学習を高速に実行することができます．主なスペックは以下のとおりです．

CPU : Intel Xeon E5-1620 3.5GHz
メインメモリ : 64GB
GPU : NVIDIA GK110BGL (Tesla K40m)
HDD : 1TB HDDx2
OS：Ubuntu 14.04.4 LTS
CUDA Toolkit：CUDA 8.0.44
cuDNN Library：cuDNN 5.1

申請手続きについて

アカウントの申請が必要です（学生も可）．施設整備グループ(klis-silk あっと ml.cc.tsukuba.ac.jp)宛に氏名，学籍番号（学生のみ），使用目的をお知らせください．

使用方法

SSHで {gamma,digamma}.slis.tsukuba.ac.jp にログインして利用します．アクセスが学内に限定されていますので，学外から利用する場合はVPNサービスをご利用ください．

初期設定として，以下を ~/.bashrc に追加しておいてください（bash以外のシェルをお使いの場合は，そのシェルの設定ファイルを修正してください）

  
    export PATH=/usr/local/cuda/bin:$PATH
    export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
    export CPATH=/usr/local/cuda/include:$CPATH
    export LIBRARY_PATH=/usr/local/cuda/lib64:$LIBRARY_PATH

深層学習用フレームワークの利用

Caffeはインストール済みで，下記の設定を行えば利用可能です．それ以外(Tensorflow, Kerasなど)のものを利用する場合，Anaconda等を用いて各ユーザが環境構築する形になります．以下では，Kerasのサンプルの動かし方とCaffeの設定方法について説明します．

Kerasのサンプルの動かし方

pyenvのインストールと設定

pyenvをgitで取得

      
	git clone https://github.com/yyuu/pyenv.git ~/.pyenv

上記を実行後，以下を”~/.bashrc”に追加

      
	export PYENV_ROOT="$HOME/.pyenv"
	export PATH="$PYENV_ROOT/bin:$PATH"
	eval "$(pyenv init -)"

以下を実行

      
	exec $SHELL

pyenvを使ってAnacondaをインストール

      
	pyenv install anaconda3-4.4.0
	pyenv rehash
	pyenv global anaconda3-4.4.0

KerasとTensorflowをインストール

      
	pip install keras
	pip install tensorflow-gpu

Kerasのbackendを変更 (tensorflowを使いたい人は飛ばしてください)

      
	$ vi ~/.keras/keras.json

として設定ファイルを開き，その中の

      
	"backend": "tensorflow"

を

      
	"backend": "theano"

に変更する．

Kerasのサンプルを取得・実行

      
	git clone https://github.com/fchollet/keras.git
	cd keras/examples/
	python mnist_cnn.py    # GPUを使わない場合
	THEANO_FLAGS=device=gpu0,floatX=float32 python mnist_cnn.py    # GPUを使う場合

Caffeの設定

以下を ~/.bashrc に追加してください．

    
      export CAFFE_HOME=/usr/local/caffe
      export PATH=${CAFFE_HOME}/bin:${PATH}
      export LD_LIBRARY_PATH=${CAFFE_HOME}/lib:${LD_LIBRARY_PATH}
      export PYTHONPATH=${CAFFE_HOME}/python:${PYTHONPATH}

これで，caffeコマンドが利用できるようになります．

また，Pythonからcaffeを呼び出す場合，プログラム内で

  
    import caffe

と記述して，caffeのライブラリを読み込めば使用できます．

知識情報・図書館学類施設整備グループ
2023.1.20 更新