前回は、第1章前半を写経してみた。（全部はできなかったが）

清水 亮  (著)
はじめての深層学習（ディープラーニング）プログラミング Kindle版
技術評論社 (2016/12/7) 2,462円

今回は、「第1章　深層学習超入門」後半を写経してみる。

（環境） 
Dell XPS 8700
Core i7-4770 3.40 GHz
RAM 32GB
GPU NVIDIA GeForce GTX 660
Windows 7 Pro 64bit
VirutualBox 5.1.22
Ubuntu Desktop 14.04

（１） ~/deel/tiny.py をコピーして、opencv.pyを、以下のように作成。

自分のパソコンにはWebカメラはついていないので、こちらのスクリプトは実行できず。
コピーして、opencv3.py という名前で、以下のように保存。

自分のスマホで3秒ほどのマグカップの動画を撮影し、test.mp4という名前をつけて、Ubuntuにメールで送信し、~/deel/ フォルダの中に保存。

端末（ターミナル）を開いて、

 

 

おお！すごい！coffee 89.5%, cup 8.0 %　素晴らしい！自分が持ってきた動画や画像を、すぐに判定してくれるのは、これは面白い！

ちなみに、正しいスクリプトは、以下であった。

（２）画像の学習の準備

ここで、突然、Ubuntu14.04に、Visual Studio Codeをインストールする。

インストールには10分くらいかかりそう。。。

端末（ターミナル）で、

 

 

と入れると、おなじみの画面が出てくる。少しほっとした。

端末画面を出すのに、Linux版では、Ctrl+@は使えないらしく、右下の青いバーの上の方をドラッグしたら、希望していた「端末」画面が出てきた。

 

 

最初のダウンロードに、5分くらいかかる。

さらに、解凍？に数分かかった。

deel/data/labels.txt の中身

上記の本の筆者によると、

画像を学習させるなどのタスクの場合は、CaffenoBVLC事前学習モデルを流用するか、自分で学習させたい場合は、NVIDIA Digits や、CSLAIERなどのGUI環境を使って学習させ、

学習結果を使いたいときだけ、DeelやChainerなどでプログラミングするのが効率的らしい。

（３）深層学習のためのGUI環境CSLAIERのインストール

CSLAIERとは、ソニーCSLと株式会社UEIが共同開発したChainerベースのGUI環境とのこと。
Python 2.7であり、Python3に対応していないところが、私にとってはつらいところ。
すごく使いやすそうなので、ぜひ、Python3と、Tensorflow1.0に対応してほしいところ。（本来なら、こういうソフトは有料なのかな。。。）

https://github.com/SonyCSL/CSLAIER

 

 

途中で、sqlite3コマンドが見つかりませんと出るので、

 

 

なんかwarningがたくさん出てきて、インストールに何十分か時間がかかりそうな予感。。。

なんか最後に赤いエラーが出ており、だめだったかのかもしれない。

だめだったので、公式github（https://github.com/SonyCSL/CSLAIER）を見て以下のコマンドを入力。

 

 

 

 

これはさっき来た道、、、

何かいろいろダウンロードしている。

なんかまた赤いエラー。

このあと、2時間くらい悪戦苦闘したが、なぜか、scipyがインストールできないとかで、どうしても、CSLAIERをインストールすることができなかった。。。

CSLAIER以外にも、NVIDIAの、DIGITSというソフトがあるらしい。。。（CSLAIERの方が画面がかっこいいのでそっちを使いたいが、、、）

とそのころ、、、

https://www.scipy.org/install.html

 

 

どうやっても入らなかったscipyがインストールできた。

 

 

おそるおそる、Firefoxで、localhost:8080 を開いてみると、、、

やったー！カッコイイのキター！

環境構築に半日かかりました。疲れた。

ちゃんと、GPUないですと言われています。。。VirtualBoxから、ホストマシン（Windows7）のGPUが使えないものか、、、

とりあえず使ってみる。

ZIPファイルの作成

CSLAIERで、Datasetの追加

」

っていうか、CSLAIERかっこいい！これは私好みである。Python3であれば、、、もっとインストールが簡単だったら、、、Windowsに直接インストールできたら、、、

（４）学習をさせてみる

Model　の、 +New　をクリック

Choose Network templateのところで、nin.pyを選択し、下の方にあるCreate ボタンをクリック。

本当はGPUが欲しいところだが、無しのままで、Start Train　をクリック。

ありゃ、Processingで3分くらい待った後、In Progress 画面になった。

エポックは10にしたが、何日かかるのかな？時間がかかりすぎるようであれば、途中でストップするつもりである。

30分待ったが、全く動く気配がない。端末を見てみると

とりあえず、Terminateボタンをクリックして、学習をストップ

なんか中止するだけでも10分くらいかかりそうな感じ。

少しだけでもいいのでグラフを見たかったが、、、なんかCSLAIERはうまくいかなかった。GPU必須と思われた。しかし、何万円もするパソコンに仮想環境ではなく、直にUbuntuを入れるなんて私にはそんな資金的余裕はない。まあ、仕方ない。

一晩走らせた後、中断したところ、以下のようにほんの少しだけ、学習してくれたらしい。。。

（参考）

https://stackoverflow.com/questions/21093002/error-could-not-create-usr-local-lib-python2-7-dist-packages-virtualenv-suppo

https://stackoverflow.com/questions/26575587/cant-install-scipy-through-pip

http://pongsuke.hatenadiary.jp/entry/2017/03/15/160657

http://www.utali.io/entry/2016/09/27/233623

https://www.scipy.org/install.html

지난번 제 1 장 전반을 사경 해 보았다. (전부는 못했지만)

시미즈 아키라 (의) 
처음 심층 학습 (딥 러닝) 프로그래밍 Kindle 판 
기술 평론사 (2016/12/7) 2,462 엔

이번에는 "제 1 장 심층 학습 초 입문"후반을 사경 해 본다.

(환경) 
Dell XPS 8700 
Core i7-4770 3.40 GHz 
RAM 32GB 
GPU NVIDIA GeForce GTX 660 
Windows 7 Pro 64bit 
VirutualBox 5.1.22 
Ubuntu Desktop 14.04

(1) ~ / deel / tiny.py을 복사하여 opencv.py을 다음과 같이 작성.

자신의 PC에 Web 카메라는 붙어 있지 않기 때문에, 이쪽의 스크립트는 실행하지 못하고. 
복사하여 opencv3.py라는 이름으로 다음과 같이 저장.

자신의 스마트 폰으로 3 초 정도의 머그컵 동영상을 촬영하고 test.mp4라는 이름을 붙이고, Ubuntu에 이메일로 보내 ~ / deel / 폴더에 저장합니다.

터미널 (터미널)을 열고

 

 

오! 와우! coffee 89.5 %, cup 8.0 % 멋진! 자신이 가지고 온 동영상이나 이미지를 즉시 판정 해주는 것은, 이것은 재미있다!

참고 올바른 스크립트는 다음이었다.

(2) 이미지의 학습 준비

여기서 갑자기 Ubuntu14.04에 Visual Studio Code를 설치한다.

설치는 10 분 정도 걸릴 것. . .

터미널 (터미널)에서

 

 

와 켜면 익숙한 화면이 나온다. 조금 안심했다.

터미널 화면을 내는데, Linux에서 Ctrl + @는 사용할 수없는 것 같고, 오른쪽 아래의 파란색 막대의 윗부분을 드래그하면 원하는했다 "단말기"화면이 나왔다.

 

 

첫 번째 다운로드에 5 분 정도 걸린다.

또한 압축? 몇 분 걸렸다.

deel / data / labels.txt 내용

위 책의 저자에 따르면,

이미지를 학습시키는 등의 작업의 경우 CaffenoBVLC 사전 학습 모델을 유용하거나 스스로 학습하고자하는 경우, NVIDIA Digits과 CSLAIER 같은 GUI 환경을 통해 학습시켜

학습 결과를 사용하고 싶은 경우에만 Deel과 Chainer 등으로 프로그래밍하는 것이 효율적 같다.

(3) 심층 학습을위한 GUI 환경 CSLAIER 설치

CSLAIER는 소니 CSL과 회사 UEI가 공동 개발 한 Chainer 기반 GUI 환경이라는 것. 
Python 2.7이며, Python3에 대응하고 있지 않는 곳이 내게는 힘든 곳. 
정말 편리한 것 같아서 꼭 Python3와 Tensorflow1.0에 대응하여 원하는 곳에. (본래라면 이런 소프트웨어는 유료 일까 ...)

https://github.com/SonyCSL/CSLAIER

 

 

중간에 sqlite3 명령을 찾을 수 없다고 나오므로,

 

 

어쩐지 warning이 많이 나오고 설치에 무엇 충분한 지 시간이 걸릴 것 같은 예감. . .

왠지 마지막에 빨간색 오류가 나오고있어 안인지지도 모른다.

안했기 때문에 공식 github ( https://github.com/SonyCSL/CSLAIER )을보고 다음 명령을 입력합니다.

 

 

 

 

이것은 아까 왔던 길 ,,,

뭔가 여러가지 다운로드하고있다.

어쩐지 또 빨간색 오류.

이 후 2 시간 정도 악전 고투했지만, 왠지 scipy를 설치할 수없는 등으로 아무래도 CSLAIER를 설치 할 수 없었다. . .

CSLAIER 이외에도 NVIDIA의 DIGITS라는 소프트웨어가있는 것 같다. . . (CSLAIER 쪽이 화면이 근사 때문에 그쪽을 사용하고 싶은데 ,,,)

및 그 무렵 ,,,

https://www.scipy.org/install.html

 

 

어떻게도 들어 가지 않았다 scipy를 설치할 수 있었다.

 

 

조심 조심 Firefox에서, localhost : 8080을 열어 보면 ,,,

만세! 멋지다의 키타!

환경 구축에 반나절 걸렸습니다. 피곤했다.

잘, GPU 없습니다 것으로 알려져 있습니다. . . VirtualBox에서 호스트 컴퓨터 (Windows7)의 GPU를 사용할 수없는 것인지 ,,,

우선 사용해 본다.

ZIP 파일 만들기

CSLAIER에서 Dataset 추가

"

라고하는지, CSLAIER 멋있다! 이건 내 취향이다. Python3이면 ,,, 더 설치가 간단하다면 ,,, Windows에 직접 설치 한 후 ,,,

(4) 학습을시켜 본다

Model의 + New를 클릭

Choose Network template 불구하고, nin.py을 선택하고 아래쪽에있는 Create 버튼을 클릭합니다.

사실 GPU가 원하는 곳이지만, 없음의 상태에서 Start Train을 클릭합니다.

저건, Processing에서 3 분 정도 기다린 후 In Progress 화면졌다.

시대는 10했으나 며칠 걸리는 것일까? 너무 오래 걸릴 것 같으면 중간에 정지 할 예정이다.

30 분 기다렸으나 전혀 움직일 기미가 없다. 단말기를 보면

우선, Terminate 버튼을 클릭하여 학습을 중지

어쩐지 중지하는 것만으로도 10 분 정도 걸릴 것 같은 느낌.

약간 좋기 때문에 그래프를보고 싶었지만 ,,, 왠지 CSLAIER는 잘되지 않았다. GPU 필수라고 생각했다. 그러나 몇십 만원하는 PC에 가상 환경이 아닌 직접 Ubuntu를 넣 다니 나에게 그런 자금으로 여유가 없다. 뭐, 어쩔 수 없다.

하룻밤 실행시킨 후 중단 한 결과, 다음과 같이 약간만 학습 해 준 것 같다. . .

(참고)

https://stackoverflow.com/questions/21093002/error-could-not-create-usr-local-lib-python2-7-dist-packages-virtualenv-suppo

https://stackoverflow.com/questions/26575587/cant-install-scipy-through-pip

http://pongsuke.hatenadiary.jp/entry/2017/03/15/160657

http://www.utali.io/entry/2016/09/27/233623

https://www.scipy.org/install.html