[PYTHON] Spiel mit Fathom

Aus irgendeinem Grund habe ich den Fathom Neural Compute Stick [^ 4] bekommen, also habe ich versucht, das Tutorial auszuführen.

Was ist Fathom?

• Es funktioniert nur durch Anschließen eines USB-Computers an einen PC usw. [^ 3] ――Es scheint ein Ersatz zu sein, der mit hoher Geschwindigkeit Rückschlüsse zieht [^ 1]. (Lernen ist unmöglich)
• Es funktioniert, wenn es in TensorFlow geschrieben ist.
• Geringerer Stromverbrauch als GPU

Umgebung

• MacBook Air
• OS: macOS Sierra

Ausführungsverfahren (Docker-Version)

Möglicherweise funktioniert es nicht, selbst wenn Sie dem Tutorial folgen, sodass Sie einige Korrekturen vornehmen müssen.

In Fathoms Tutorial [^ 2] gibt es Code zum Ausprobieren von seq2seq. Da der Code jedoch die Daten an der Stelle ablegen muss, an der die Root-Berechtigung erforderlich ist, muss der Root-Benutzer anstelle des im Tutorial beschriebenen Tutors verwendet werden Sie müssen sich anmelden und mit arbeiten.

docker pull rdadolf/fathom
docker run -it --user root rdadolf/fathom

Beispielausführung von Seq2Seq

Da sich der Dateiname der herunterzuladenden Daten geändert hat, ändern Sie fathom / seq2seq / data_utils.py wie folgt.

- train_path = os.path.join(directory, "giga-fren.release2")
+ train_path = os.path.join(directory, "giga-fren.release2.fixed")

Führen Sie das Seq2Seq-Beispiel mit dem folgenden Befehl aus. Das Herunterladen der WMT'15-Daten, die zum Ausführen von Seq2Seq im ersten Lernprogramm erforderlich sind, dauert ungefähr eine Stunde. Warten Sie also. (Es gibt keinen Fortschrittsbalken, aber er funktioniert.)

cd fathom/
mkdir -p /data/WMT15
python fathom/seq2seq/seq2seq.py 

Zusammenfassung

• Wird verwendet, um die Bilderkennungsverarbeitung für Drohnen, Raspeltorten, Überwachungskameras usw. zu beschleunigen.
• Da ca. 50 GB freier Speicherplatz vorhanden sind, kann dieser auch als USB-Speicher verwendet werden. ――Wenn Sie nicht verstehen, können Sie im Forum nachfragen [^ 5].

References