アジラプレス

毎度アジラとうございます!こちらはアジラの広報メディアです。

そこのけそこのけGPU

個人用ノートPCを新しく買ったので

こんにちは!CTO相澤です。

突然ですが、みなさん、パソコンは何をお使いでしょうか?

 

デスクトップ?ノート?

Mac?windows?

 

エンジニアの方はやっぱりMacBookが多いですかね。相澤も普段はMacBookAirを使っていますが、先日もう一台あるwindowsのノートPCを新調しました。

 

せっかくなので、スペックは低いですがNVIDIAのグラフィックボード(GPU)がついているThinkPadを購入しましたよ。

目的はもちろんゲームではなく、ディープラーニングです。

f:id:jun1_0803:20171010153733j:plain

Ubuntuを載せて環境構築

 windowsのままだと環境を整えるの面倒なので、ubuntuとのデュアルブートにしてしまいます。「買ったばかりだから」とかは関係ありません。

「ubuntu デュアルブート」と検索するとトライしてる人も多いですね。

 

その後はGPUを使うための準備です。

NVIDIAから提供されているGPU向けのプラットフォームCUDAとディープラーニング用のライブラリcuDNNをインストール。

CUDAは最近9.0が発表されてますが、弊社では8系を使っているのでそれに伴って8系をインストールしました。

(apt-getなどでインストールする場合、バージョンを指定しないと9.0がインストールされてしまいます)

比べてみる

さっそく、MacBookAir、ThinkPad(GPU有り)、そして弊社でもよく使うAWSのGPUインスタンス(p2.xlarge)で、同じコードを実行し、実行速度を比べてみました。

使ったコードはtensorflowをつかった手書き数字(MNIST)の認識のトレーニングです。(隠れ層は3層、エポック数は100)

MacBookAir:92秒

f:id:jun1_0803:20171013183546p:plain

ThinkPad(GeForce940MX):25秒

f:id:jun1_0803:20171013182357p:plain

 ・AWS(Tesla K80):20秒

f:id:jun1_0803:20171013170634p:plain

という結果になりました。

ThinkPadはMacBookAirのおよそ4分の1の時間で実行できました。

AWSのコスト(p2.xlargeは1時間あたり約$1)を考えると十分ではないでしょうか。

 

さて、これを使って何を学習させようかな、、、。

手元にGPUがあるだけでワクワクしますね!みなさんの参考になれば幸いです。