記事一覧
BERTモデルを使ってことわざテストを解いてみた
この記事では、Google Colaboratory 上で BERT モデルを利用します。transformers ライブラリを用いて、穴埋めの推論を行うまでの流れを説明しています。
はじめにこの記事では、BERT モデルを使ってことわざテストを解いてみます。
下はその結果の一部です。
=====================================================
Google Colaboratory で TensorRT を使って機械学習の推論を爆速化してみる【環境構築編（tar版）】
この記事では、Google Colaboratory上でTensorRTを利用できる環境を構築します。NVIDIA公式サイトからリポジトリをダウンロードし、TensorRTのパッケージをインストール、サンプルプログラムの実行までの流れを説明しています。
はじめに本記事は、主に以下のような方を対象としています。
jupyter notebookの基本的な操作がわかる方
機械学習のプログラムを作成
Google Colaboratory で TensorRT を使って機械学習の推論を爆速化してみる【環境構築編】
この記事では、Google Colaboratory上でTensorRTを利用できる環境を構築します。NVIDIA公式サイトからリポジトリをダウンロードし、TensorRTのパッケージをインストールする流れを説明しています。
2020/3/18 Google colabのcudaが11.2にアップデートされたため、記事を更新しました。
はじめに本記事は、主に以下のような方を対象としています。
AWS Deep Learning AMI環境へのTensorRT導入手順
はじめにこの記事では、NVIDIAの深層学習推論用SDKであるTensorRTをAWSのDeep Learning向け環境であるDeep Learning AMI（以下DLAMI）環境に導入し、サンプルプログラムであるsampleMNISTの動作確認を行う手順についてご紹介します。
DLAMIを利用したCUDA環境の構築手順については以下の記事にて紹介していますのでこちらもご覧ください。
AWS
Ubuntu 18.04LTS環境へのcuDNN 8.0及びTensorRT 7.1の導入手順
はじめにこの記事では、NVIDIAのGPU高速化ライブラリであるcuDNN及び深層学習推論用SDKであるTensorRTのUbuntu上のCUDA環境への導入と、TensorRTの動作確認としてのsampleMNISTの実行についてご紹介します。
もしAWSのDeep Learning AMIを利用してCUDA環境を構築している場合はAMIにcuDNNが含まれていますので構築手順の省略が可能です
AWS Deep Learning AMIを用いたCUDA環境の構築・確認手順
導入今回はAWS Deep Learning AMIを用いたCUDAの利用手順についてご説明します。
なお、通常のUbuntu環境へCUDA環境を構築する手順についてはこちらの記事で紹介しています。
AWS Deep Learning AMIとはAWS Deep Learning AMIとは、CUDAやcuDNN等の環境が既に整備されたAWSのマシンイメージで、これを利用してインスタンスを構築す
Ubuntu 18.04LTSへのCUDA 11.0環境構築・確認手順
導入Ubuntu 18.04LTS環境へのCUDA11.0環境構築手順をご説明します。
（Ubuntu 20.04LTSやCUDA10.2環境についても同様の手順で構築できることを確認済みです。）
今回はAWS以外の環境でも環境構築を行うことを想定して、標準的なUbuntu環境へCUDA環境を構築します。
AWSを利用する場合はCUDAやcuDNN等の環境が予め構築されたAWS Deep Lear