公式ページに発表動画へのリンクあり
www.highperformancegraphics.org
Youtubeにもあがっています。
www.youtube.com
www.youtube.com
公式ページに発表動画へのリンクあり
www.highperformancegraphics.org
Youtubeにもあがっています。
www.youtube.com
www.youtube.com
2023年8月31日
OpenCV pythonのインストールの記述を更新
2022年11月24日
OpenCVの環境構築方法のアップデート
2021年3月18日
Pytorch v1.8.0, Tensorflow v2.1.0のGPU版とOpneCV環境の構築方法
GPU: RTX2060Super
OS: Windows11Pro 64bit
Python3.7 Anaconda
CUDA12.2
OpenCV 4.6.0
PytorchとGPU/CUDA の環境確認には以下のコマンドが便利です
>python -c "import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.cuda.device_count());"
まずは、CUDA10.2をインストールします。
正しくインストールできたかどうかはコマンドプロンプトの
>nvcc -V
で確認する。
cuDNNをインストールする。cuDNNはTensorflowで要求されるので、必要なバージョンを確認してインストール。
今回は、cuDNN v7.6.5 for CUDA 10.2 を選択。
ダウンロードしたcuDNNパッケージを解凍し、インストールガイドに従って3つのファイルをコピーする。
(1) まずはanaconda 仮想環境を作成する。
"pytorch18GPUCV"という名前で作成。pythonのバージョンは3.7を選択します。
ついでにjupyter notebookもインストールしておきます。
(2) pytorchのページに行くと、バージョン等を選択すると必要なインストールコマンドが表示されるので、
指示通りにインストールする。
(3) OpneCV4のインストール
以下のサイトを参考にしました。
https://qiita.com/mml/items/fb9f6e66746be351fbc3
>pip install opencv-python
>pip install opencv-contrib-python
2023年8月30日更新
「OpenCVではじめようディープラーニングによる画像認識」という本を参照
>conda search opencv
> conda install opencv=4.5.5
でanaconda環境で簡単にインストールできました。
conda-fforgeのopencvパッケージにはopencv-contribのモジュールも含まれているそうです。
(4) ハイパーパラメータの探索
学習のためのハイパーパラメータ探索のために、ベイズ最適化のためのフレームワークBoTorchをベースに作られたAxをインストール
pip install ax-platform
(5) 他のパッケージのインストール
conda install matplotlib conda install pandas conda install tensorboard conda install h5py conda install seaborn
インストールの確認は以下を参照
PyTorchでGPU情報を確認(使用可能か、デバイス数など) | note.nkmk.me
tensorflow公式ページのインストール>GPUサポートを見るとCUDA10.1と書いてありますが、今回はCUDA10.2でtensorflowの環境を構築しています。
CUDA10.2で動作はしているのでまあ大丈夫なのでしょう。
(1) まずはanaconda 仮想環境を作成する。
"tensorflow210CV"という名前で作成。pythonのバージョンは3.7を選択します。
ついでにjupyter notebookもインストールしておきます。
(2) tensorflowのインストール
> pip install tensorflow
とやると自分の環境ではtensorflowがGPU版を認識してくれない。
以下のページを参考にして、
https://medium.com/lsc-psd/tensorflow2-1%E3%81%A7cuda10-1%E3%81%AA%E3%81%AE%E3%81%ABgpu%E3%81%8C%E8%AA%8D%E8%AD%98%E3%81%95%E3%82%8C%E3%81%AA%E3%81%84%E5%95%8F%E9%A1%8C%E3%81%AE%E8%A7%A3%E6%B1%BA%E6%B3%95-6be5137ec216
以下のコマンドでインストールしました。
> conda install tensorflow=2.1.0=gpu_py37h7db9008_0
(参考)2020/7/10現在でpython3.7+GPUで一番新しいものは、
https://repo.anaconda.com/pkgs/main/win-64
を見ると
tensorflow-2.1.0-gpu_py37h7db9008_0.tar.bz2
のようだ。
あとはpytorchの時と同様にopenCVとその他のパッケージをインストールします。
(3) OpneCVのインストール
「OpenCVではじめようディープラーニングによる画像認識」を参照しました。
>pip3 install opencv-python==
と入力すると可能なバージョンが表示されるので、例えば
>pip3 install opencv-python==4.5.5.62
でインストール可能。
GUI機能を使わないなら、パッケージサイズが軽量になっているGUIなし版も可能。
opencv-python-headless
さらに、OpenCVの中でも実験的な機能が含まれているopencv_contribパッケージは
以下のようにしてインストールできる。
>pip3 install opencv-cotrib-python==
でバージョンリストを表示し、
>pip3 install opencv-contrib-python=4.5.5.62
でインストールできます。
GUIなしのopencv-contrib-python-headlessも可能。
ただし、Windows上ではVisual Studio 2015のC++再領布可能パッケージをインストールしておく必要あり。
現在登録されているカーネルの確認
> jupyter kernelspec list
新たにカーネルを登録
> conda activate hoge
> ipython kernel install --user --name=hoge --display-name=hogehoge
インストールを確認するための簡単なコードを作成し、pytorch, tensorflowでGPUが認識されていて、OpenCVが動作することも確認しました。
確認用の簡単なスクリプトをgithubに置きました。
github.com
驚異の量子コンピュータ: 宇宙最強マシンへの挑戦 (岩波科学ライブラリー)
CVPR2020のMain conferenceのプログラムが出ています。
cvpr2020.thecvf.com
本書も実際にサックスが診断した患者さんの一般には奇妙だと思われる行動の背後にある脳の素晴らしい能力は可能性を、24の症例を示しながらわかりやすく説明しています。
400ページを超える分厚い本ですが、24個の基本的に独立した話に分かれていますので思ったよりも読みやすく、少しずつ読み進むことができます。
私は面白さに完全にはまってしまい、一気に読んでしまいました。
素因数分解って難しく計算機を使っても簡単な問題ではないですが、数値が画像やイメージの塊のように見えて(実際にそう見えているかどうかは誰にもわからないのですが)、その大きな数が素数かどうか”直感的に”わかる人がいたり、素因数分解が頭の中に勝手に湧いてくるような人がいるそうです。
世界や自然をありのままに見続ける能力を持っている人がいる、それは世界を抽象化し一般化しようとする多くの人とは対極にあるかもしれませんが、絵を描くことや音楽、そして数の世界では抽象化した見方からは信じられないような具体的な生き生きとした世界を紡ぎだしてくれるようです。
AIやディープラーニングというのは抽象化や統合化というものは苦手だけど、いったん具体的なデータが与えられれはその重みを最適化することで具体的な世界を描き出すことができる。
人工知能やその一つの技術であるディープラーニングが、本書に出てくる特殊な能力を持つ患者たち共通する部分があると感じて、非常に興味深かったです。
人工知能に興味のある人やその分野で研究・開発している人にはお勧めのです。
Siggraph 2020は今年はオンライン開催です。
https://dl.acm.org/doi/proceedings/10.1145/3388529
https://dl.acm.org/doi/proceedings/10.1145/3388534
https://dl.acm.org/doi/proceedings/10.1145/3388769
https://dl.acm.org/doi/proceedings/10.1145/3388770
https://dl.acm.org/doi/proceedings/10.1145/3407662