趣味工房　ＨＩＲＯ-Ｇ

＜ JetBotの製作その１５　機械学習用LinuxPC構築完了＞

　やっと「機械学習用WinPC構築」が完了しましたので、引き続き「機械学習用Linux PC」の構築」を進めました。
　今回、「機械学習用Linux PCの構築」に使用するPCには、昨年購入しました「ゼロからわかるLinuxのはじめ方」（写真１）の付録DVDを使って「Ubuntu　２０．０４　LTS」をインストールし、ちょっこっとLinuxを動かしていましたが、「機械学習用LinuxPC」にするためには、このままでは非力なスペックと分かりましたので、次のようにCPUとグラボを交換し、RAMを増設しました。

　①　ＣＰＵ：　　ｉ３　→　ｉ５
　②　グラボ：　　GF8600GTS　→　ＧＴＸ　１０５０
　③　ＲＡＭ：　　４ＧＢ（２ＧＢｘ２）　→　８ＧＢ（４ＧＢｘ２）

　ハードの換装等を終了後、再度、「Ubuntu　２０．０４　LTS」をクリーンインストールしました。
　写真２はインストール用の画面が開いた直後の画面で、言語は取りあえず、ファイル名等の取り扱いでのエラーを避けるため英語（写真３）としました。　写真４はインストールを開始時の画面で、写真５はインストール完了時の画面です。
　インストール完了後に「インストール直後にやっておきたいことまとめ」（写真６）を参考に、関係する処理を実施しました。

　Anaconda３のダウンロードとインストール等については、金子氏の「Anaconda３のインストール（Ubuntu上）」を参考にしながら、写真７の公式サイトからLinux版をダウンロードし、インストールを完了（写真８）しました。
　
　写真９のＪｅｔｂｏｔ関連のファイルは、AI　No2-8と同様に、次のサイトからダウンロードしものを使うことにしました。

　　https://github.com/davidRetana/jetbot/tree/davidretana/notebooks/collision_avoidance

　Pythoｎ関連は、Anacondaからインストールするので、写真１０のようにターミナルモードから、次のコマンドラインでＡｎａｃｏｎｄａ　Ｎａｖｉｇａｔｏｒを立ち上げます。
　　　＄　ａnaconda-ｎａｖｉｇａｔｏｒ

　Ａｎａｃｏｎｄａ　Ｎａｖｉｇａｔｏｒが立ち上がりますと、
Windows（ＡＩ　Ｎｏ2-11）の場合と同様に、「Environment」をクリックし、写真１１のように作成画面が表示されますので、①「ｃｒｅａｔ」をクリックし、新しいchannelを作成しました。　
ｃａｎｎｅｌ名は②「jetbot-2」としました。　

　今回作成するPythonのバージョンは、「機械学習用WindowsPC」と同じ③「ython3.8」としました。　　因みに「ｊｅｔｏｂｏｔ」は、先にテストを試みた「ython3.6」で、エラーが発生して中断したものです。

　④「PyTorch」等の関係アプリも、Windowsの場合と同じ手順でそれぞれインストールし、システムの主な構成のバージョン等は次の通りです。

　　①　Pythton（写真１２）　バージョン　３．８．１２
　　②　CUDA（写真１３）　バージョン　１１．５
　　③　NVIDA　Driver　バージョン　４９５．２９．０５
　　　　グラボGTX１０５０（写真１４）を認識

　「Python3.8」による「機械学習用LinuxPC」の構築作業が一応終了しましたので、システムを再起動させてから、Windowsの場合と同様に、次の手順でテストに入りました。

①　写真1８のようにデータセットは、Windowsの場合と同様に圧縮前のデータ「detaset」のみを残しました。

②　写真１９は、「Train mdel」のスタート画面の写真。

③　写真２０は、学習回数（エポック数）「NUM_EPOCH」を３０回に設定し、最高のパフォーマンスモデル名を「best_model.pth」に設定した画面。

④　写真２１は学習が順調に進んでいる画面で、写真２２は学習がエラー無く順調に完了した画面です。

⑤　写真２３は、確かに最高のパフォーマンスモデル
「best_model.pth」が作成されている確認画面です。

　学習に掛かる時間がWindowsの場合と比べて早いため、学習時間を計測しますと、平均で約４５秒でした。　因みにWindowsの場合を計測しました結果は、約９分３０秒（５７０秒）でした。
　何とLinuxPCの方が、CPU、メモリ、グラボ全てでスペックがかなり劣るいるものの、実に１０倍以上速い結果となっています。
　このような差が出たと言うことは、やはりPython 、PyTorch等の機械語学習システムは、Linuxとの相性が極めて良いことを示していると思われます。

　以上で「機械学習用Linux PC」が正常に機能していることが確認できましたので、これで一連の構築作業は完了という事となりました。
　WindowsPC構築の経験を生かすことで、思っていたよりもスンナリと構築できました。

　約２年間に渡り「Jetson」関連の学習を積んできましたが、　「Jｅｔｂｏｔの製作と制御」と「機械学習環境の構築」の作業がほぼ終了しましたので「ｊｅｔｏｓｏｎ」関連については、この報告で一応の区切りとしたいと思います。

　次の作業としましては、「ＲＯＳ」関連と、「ｵｰﾃﾞｨｵ　No4-1」でも報告しましたオーディオ系の作業として、「ＤＡＣ」について製作、計測等、もう少し深掘りしてみたいと思います。

to AI No2-14

to 新テク・アラカルト