なんちゃってSEの足跡

はじめに NVIDIA TAO（Train, Adapt, and Optimize（旧名 NVIDIA TLT））とはNVIDIAが提供する様々な事前訓練済みのモデルを使用して転移学習を行うことで、ユーザのニーズに合わせたAIモデルを構築する為のツールです。 事前訓練済みモデルには 物体検出（Object Detection） 画像分類（Image Classification） 意図解釈（NLU） 視線推定 テキスト認識 を含めて他大多数の種類が提供されており、 それぞれのモデルをそのまま使うことも出来ますし、ユースケースに合わせて自由に訓練を行い、モデルをカスタマイズすることが出来ます。 今回はその中でも 画像分類（Image Classification） のモデルを使って、訓練や推論に挑戦してみるのを全５つの記事に分けて書いていこうと思います。 目的 自分のライブで撮影された大量の写真をパート毎に分類したい。 AIを使って自動で分類したい。 ローカルで完結したい。（大量の画像が存在して、クラウドにアップロードなんてしてられない） NVIDIAが好きなのでNVIDIA TAO（Train, Adapt, and Optimize）で画像分類モデル（Image Classification）を使ってみたい。 進捗 環境構築　←　現在地 事前訓練モデルをダウンロード 訓練データの作成 モデルの訓練 推論 ハードウェア要件 ハードウェア 推奨 メモリ 32GB CPU 8コア GPU NVIDIA A100, NVIDIA V100, NVIDIA RTX 30X0 ストレージ 100GB ソフトウェア要件 ソフトウェア バージョン Ubuntu 18.04 LTS docker-ce >19.03.5 docker-API 1.40 nvidia-driver >455 筆者の環境 NVIDIA TAOはUbuntu +...

2021年12月1日、AWSが機械学習の訓練やデプロイを支援するサービス「Amazon SageMaker」の無料版「 SageMaker Studio Lab 」をパブリックプレビュー版として公開したました。             SageMaker Studio Labとは？ 位置付けとしては初心者向けに機能を制限したSageMakerといったところでしょうか。 機械学習を勉強している人には馴染み深い、「JupyterLab」をベースにしたブラウザで完結するサービスのようです。 料金は 無料 で、プロジェクトによって「CPU」か「GPU」のインスタンスを選択出来ます。 選択したインスタンスは１ユーザセッションあたり CPUの場合：12時間 GPUの場合：4時間 の時間制限がありますが、ユーザセッション数の制限はないそうです。 また、プロジェクト毎に15GBのストレージが付与されるそうで、ユーザセッション終了時にプロジェクトのスナップショットが作成され、続きから作業ができます。 始め方 AWSの契約は不要 でSageMaker Studio Lab用のアカウントを 公式ページ から新規作成します。 無料なので、当然クレジットカードの情報も不要でメールアドレスと名前、会社名だけでOKです。 「Request Free Account」のボタンをポチるとアカウント作成のリクエストが飛び、承認されるまで待ちます。 インスタンスタイプについて 「変更されることがある」と記載されていますが、2021年12月1日現在、下記のインスタンスが使用されます。インスタンスタイプが固定なのでGoogle ColabのようにGPUガチャがないのはいいですね！ CPU/GPU インスタンスタイプ プロセッサ CPU T3.xlarge Intel Xeon GPU G4dn.xlarge NVIDIA T4 Tensor Core 終わりに 機械学習に興味はあるけど、環境を揃えられない。という人は結構いそうですから、制限付きとはい...