パソコン（XPSスペシャルエディション）にPython関連のセットアップが完了したので、いよいよディープラーニングの学習をやってみました。
ディープラーニングにあけるＧＰＵの威力を試した結果です。
学習はNNCで行っているので、NNCのSetupで”ENGIN”タブの”CUDA-Enabled GPU”を選択するだけでいいはず。
とりあえず、CPUで8時間くらいかかったモデルとデータで試してみたら、猛烈に速い！
表示されている終了までの時間が20分、学習曲線がどんどん伸びていく。
ＧＰＵの威力は絶大です。
これなら、いろいろ詩行錯誤ができそう。
ディープラーニングにはＧＰＵは必須ですね。
クラウドでも学習環境を提供しているサービスがあるので、それを利用するのもいいかもしれません。
これで、パソコン関連の環境は整ったので本格的に目視判別の自動化システムを構築していける。
これからＰｙｔｈｏｎとＮｎａｂｌａ（Neural Network Libraries）を使って、ラインで学習済みのモデルを使用するためのソフトを作っていきたいと思っています。
それとデータのN増し、これが一番大変かな。。。
ついでに学習中のパソコンの状態ですが、GPUは外部排気の構造で熱風が出ている。
CPUも常にブーストクロックで動作しているのでかなりの電力を使っていると思う。
ＣＰＵのクロックが下がることはないので冷却効率は悪くなさそう。
製造工程内にPCを設置しているので音は全く気にならないが、学習中はCPU、GPUともに冷却ファンはフル回転しているので、それなりの音はしていると思うけど一般的な事務所なら気にならないレベルだろう。
でも、会社の空調が効いた部屋ならいいけど、自宅では使いたくないかな。。。
ｺﾒﾝﾄをする