質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.42%
Chainer

Chainerは、国産の深層学習フレームワークです。あらゆるニューラルネットワークをPythonで柔軟に書くことができ、学習させることが可能。GPUをサポートしており、複数のGPUを用いた学習も直感的に記述できます。

CUDA

CUDAは並列計算プラットフォームであり、Nvidia GPU(Graphics Processing Units)向けのプログラミングモデルです。CUDAは様々なプログラミング言語、ライブラリ、APIを通してNvidiaにインターフェイスを提供します。

Python 2.7

Python 2.7は2.xシリーズでは最後のメジャーバージョンです。Python3.1にある機能の多くが含まれています。

Ubuntu

Ubuntuは、Debian GNU/Linuxを基盤としたフリーのオペレーティングシステムです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

解決済

2回答

6078閲覧

chainerのサンプルプログラムをGPUを使って動かしたい

退会済みユーザー

退会済みユーザー

総合スコア0

Chainer

Chainerは、国産の深層学習フレームワークです。あらゆるニューラルネットワークをPythonで柔軟に書くことができ、学習させることが可能。GPUをサポートしており、複数のGPUを用いた学習も直感的に記述できます。

CUDA

CUDAは並列計算プラットフォームであり、Nvidia GPU(Graphics Processing Units)向けのプログラミングモデルです。CUDAは様々なプログラミング言語、ライブラリ、APIを通してNvidiaにインターフェイスを提供します。

Python 2.7

Python 2.7は2.xシリーズでは最後のメジャーバージョンです。Python3.1にある機能の多くが含まれています。

Ubuntu

Ubuntuは、Debian GNU/Linuxを基盤としたフリーのオペレーティングシステムです。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2016/09/29 07:13

###前提・実現したいこと
ここに質問したいことを詳細に書いてください
chainerのmnistのサンプルプログラム(train_mnist.py)をGPUを用いて動かしたい。
###発生している問題・エラーメッセージ
GPUを使って動かそうとすると、PATHが通ってない?的なエラーが出る。
PATHは.bashrcに
「export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda」
を書き加えてる。

エラーメッセージ ```/usr/local/lib/python2.7/dist-packages/chainer/cuda.py:90: UserWarning: cuDNN is not enabled. Please reinstall chainer after you install cudnn (see https://github.com/pfnet/chainer#installation). 'cuDNN is not enabled.\n' Traceback (most recent call last): File "train_mnist.py", line 107, in <module> main() File "train_mnist.py", line 104, in main trainer.run() File "/usr/local/lib/python2.7/dist-packages/chainer/training/trainer.py", line 266, in run update() File "/usr/local/lib/python2.7/dist-packages/chainer/training/updater.py", line 170, in update self.update_core() File "/usr/local/lib/python2.7/dist-packages/chainer/training/updater.py", line 182, in update_core optimizer.update(loss_func, *in_vars) File "/usr/local/lib/python2.7/dist-packages/chainer/optimizer.py", line 392, in update loss = lossfun(*args, **kwds) File "/usr/local/lib/python2.7/dist-packages/chainer/links/model/classifier.py", line 67, in __call__ self.y = self.predictor(*x) File "train_mnist.py", line 24, in __call__ h1 = F.relu(self.l1(x)) File "/usr/local/lib/python2.7/dist-packages/chainer/links/connection/linear.py", line 91, in __call__ self._initialize_params(x.size // len(x.data)) File "/usr/local/lib/python2.7/dist-packages/chainer/links/connection/linear.py", line 77, in _initialize_params initializer=self._W_initializer) File "/usr/local/lib/python2.7/dist-packages/chainer/link.py", line 175, in add_param data = initializers.generate_array(initializer, shape, self.xp) File "/usr/local/lib/python2.7/dist-packages/chainer/initializers/__init__.py", line 45, in generate_array initializer(array) File "/usr/local/lib/python2.7/dist-packages/chainer/initializers/normal.py", line 94, in __call__ Normal(s)(array) File "/usr/local/lib/python2.7/dist-packages/chainer/initializers/normal.py", line 31, in __call__ loc=0.0, scale=self.scale, size=array.shape) File "cupy/core/core.pyx", line 1066, in cupy.core.core.ndarray.__setitem__ (cupy/core/core.cpp:21649) File "cupy/core/core.pyx", line 1295, in cupy.core.core.elementwise_copy (cupy/core/core.cpp:48975) File "cupy/core/elementwise.pxi", line 768, in cupy.core.core.ufunc.__call__ (cupy/core/core.cpp:39912) File "cupy/util.pyx", line 35, in cupy.util.memoize.decorator.ret (cupy/util.cpp:1259) File "cupy/core/elementwise.pxi", line 576, in cupy.core.core._get_ufunc_kernel (cupy/core/core.cpp:36526) File "cupy/core/elementwise.pxi", line 32, in cupy.core.core._get_simple_elementwise_kernel (cupy/core/core.cpp:27126) File "cupy/core/carray.pxi", line 87, in cupy.core.core.compile_with_cache (cupy/core/core.cpp:26813) File "/usr/local/lib/python2.7/dist-packages/cupy/cuda/compiler.py", line 125, in compile_with_cache env = (arch, options, _get_nvcc_version()) File "/usr/local/lib/python2.7/dist-packages/cupy/cuda/compiler.py", line 22, in _get_nvcc_version _nvcc_version = _run_nvcc(cmd, '.') File "/usr/local/lib/python2.7/dist-packages/cupy/cuda/compiler.py", line 61, in _run_nvcc raise OSError(msg) OSError: Failed to run `nvcc` command. Check PATH environment variable: [Errno 2] No such file or directory ###該当のソースコード ```python #!/usr/bin/env python from __future__ import print_function import argparse import chainer import chainer.functions as F import chainer.links as L from chainer import training from chainer.training import extensions # Network definition class MLP(chainer.Chain): def __init__(self, n_units, n_out): super(MLP, self).__init__( # the size of the inputs to each layer will be inferred l1=L.Linear(None, n_units), # n_in -> n_units l2=L.Linear(None, n_units), # n_units -> n_units l3=L.Linear(None, n_out), # n_units -> n_out ) def __call__(self, x): h1 = F.relu(self.l1(x)) h2 = F.relu(self.l2(h1)) return self.l3(h2) def main(): parser = argparse.ArgumentParser(description='Chainer example: MNIST') parser.add_argument('--batchsize', '-b', type=int, default=100, help='Number of images in each mini-batch') parser.add_argument('--epoch', '-e', type=int, default=20, help='Number of sweeps over the dataset to train') parser.add_argument('--gpu', '-g', type=int, default=-1, help='GPU ID (negative value indicates CPU)') parser.add_argument('--out', '-o', default='result', help='Directory to output the result') parser.add_argument('--resume', '-r', default='', help='Resume the training from snapshot') parser.add_argument('--unit', '-u', type=int, default=1000, help='Number of units') args = parser.parse_args() print('GPU: {}'.format(args.gpu)) print('# unit: {}'.format(args.unit)) print('# Minibatch-size: {}'.format(args.batchsize)) print('# epoch: {}'.format(args.epoch)) print('') # Set up a neural network to train # Classifier reports softmax cross entropy loss and accuracy at every # iteration, which will be used by the PrintReport extension below. model = L.Classifier(MLP(args.unit, 10)) if args.gpu >= 0: chainer.cuda.get_device(args.gpu).use() # Make a specified GPU current model.to_gpu() # Copy the model to the GPU # Setup an optimizer optimizer = chainer.optimizers.Adam() optimizer.setup(model) # Load the MNIST dataset train, test = chainer.datasets.get_mnist() train_iter = chainer.iterators.SerialIterator(train, args.batchsize) test_iter = chainer.iterators.SerialIterator(test, args.batchsize, repeat=False, shuffle=False) # Set up a trainer updater = training.StandardUpdater(train_iter, optimizer, device=args.gpu) trainer = training.Trainer(updater, (args.epoch, 'epoch'), out=args.out) # Evaluate the model with the test dataset for each epoch trainer.extend(extensions.Evaluator(test_iter, model, device=args.gpu)) # Dump a computational graph from 'loss' variable at the first iteration # The "main" refers to the target link of the "main" optimizer. trainer.extend(extensions.dump_graph('main/loss')) # Take a snapshot at each epoch trainer.extend(extensions.snapshot(), trigger=(args.epoch, 'epoch')) # Write a log of evaluation statistics for each epoch trainer.extend(extensions.LogReport()) # Print selected entries of the log to stdout # Here "main" refers to the target link of the "main" optimizer again, and # "validation" refers to the default name of the Evaluator extension. # Entries other than 'epoch' are reported by the Classifier link, called by # either the updater or the evaluator. trainer.extend(extensions.PrintReport( ['epoch', 'main/loss', 'validation/main/loss', 'main/accuracy', 'validation/main/accuracy'])) # Print a progress bar to stdout trainer.extend(extensions.ProgressBar()) if args.resume: # Resume from a snapshot chainer.serializers.load_npz(args.resume, trainer) # Run the training trainer.run() if __name__ == '__main__': main()

###試したこと
cuda8.0RCを消してcuda8.0を入れた

###補足情報(言語/FW/ツール等のバージョンなど)
使用しているGPUはGIGABYTE1070。
使用しているOSはUbuntu16.04です。
cudaのサンプルプログラムは動きました。
chainerのバージョンは1.16.0です。
cudaのバージョンは8.0です。
GPUを用いならければ動きます。

大変見にくいとは思いますがどうかよろしくい願いします。

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答2

0

ベストアンサー

ユーザーが指定したパスではなく別のとこのnvcc を使おうとしてたのが原因らしかったです。シェルスクリプトを書いて解決しました。

投稿2017/01/09 03:24

退会済みユーザー

退会済みユーザー

総合スコア0

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

0

  • 示されたメッセージによりますと "cuDNN インストールのに chainerインストールしてくれ" いうてますが、OKですか?
  • "cudaのサンプルプログラムは動きました"とは、サンプル・コードのコンパイルと実行ができたってことですか? メッセージの末尾に"nvcc(CUDAコンパイラ)に着火できんかった"とかいうてますけども。

投稿2016/09/30 01:13

episteme

総合スコア16614

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

退会済みユーザー

退会済みユーザー

2016/10/01 06:58 編集

cuDNNインストールの後にchainerはインストールしました。 cudaのサンプルプログラムはコンパイルと実行出来ました。 書き忘れてしまい申し訳無いです。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.42%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問