最短手順でtensorflowのDeep MNISTサンプルを実行

お仕事の一環としてTensorFlowを触ってたんだけど
あくまで仕事なんでいろんなしがらみがあってそんなに自由に遊べなかった。

自宅のLinux環境が整ったんでこれでやりたい放題できると思ったんだけど
前回記事参照の通りなんか音出ないので、今月中にUbuntu 16.04入れなおすのを見越して
Ubuntu 14.04でTensorFlowのMNISTサンプルを動かすまでの手順をとりあえずメモっとく。

インストール

Download and Setup
以下の三行を実行してpythonとtensorflowを入れる。
3行目はGPU使う場合で、Compute Capabilityが3.0以上あるGPUじゃないといけないんだけど、
うちのグラボGTX 560 Tiは2.1しかない化石なので意味ない。でも入れとく。

$ sudo apt-get install python-pip python-dev
$ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.7.1-cp27-none-linux_x86_64.whl
$ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.7.1-cp27-none-linux_x86_64.whl

コード

Deep MNIST for Experts
ここのコードを順番にコピペして適当な名前つけてpythonで実行。
結構面倒なので以下に貼る。

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

import tensorflow as tf
sess = tf.InteractiveSession()

x = tf.placeholder(tf.float32, shape=[None, 784])
y_ = tf.placeholder(tf.float32, shape=[None, 10])

W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))

sess.run(tf.initialize_all_variables())

y = tf.nn.softmax(tf.matmul(x,W) + b)

cross_entropy = -tf.reduce_sum(y_*tf.log(y))

train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

for i in range(1000):
  batch = mnist.train.next_batch(50)
  train_step.run(feed_dict={x: batch[0], y_: batch[1]})

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))

accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

print(accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

def weight_variable(shape):
  initial = tf.truncated_normal(shape, stddev=0.1)
  return tf.Variable(initial)

def bias_variable(shape):
  initial = tf.constant(0.1, shape=shape)
  return tf.Variable(initial)

def conv2d(x, W):
  return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

def max_pool_2x2(x):
  return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                        strides=[1, 2, 2, 1], padding='SAME')

W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])

x_image = tf.reshape(x, [-1,28,28,1])

h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)

W_conv2 = weight_variable([5, 5, 32, 64])
b_conv2 = bias_variable([64])

h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
h_pool2 = max_pool_2x2(h_conv2)

W_fc1 = weight_variable([7 * 7 * 64, 1024])
b_fc1 = bias_variable([1024])

h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)

keep_prob = tf.placeholder(tf.float32)
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

W_fc2 = weight_variable([1024, 10])
b_fc2 = bias_variable([10])

y_conv=tf.nn.softmax(tf.matmul(h_fc1_drop, W_fc2) + b_fc2)

cross_entropy = -tf.reduce_sum(y_*tf.log(y_conv))
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
sess.run(tf.initialize_all_variables())
for i in range(20000):
  batch = mnist.train.next_batch(50)
  if i%100 == 0:
    train_accuracy = accuracy.eval(feed_dict={
        x:batch[0], y_: batch[1], keep_prob: 1.0})
    print("step %d, training accuracy %g"%(i, train_accuracy))
  train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})

print("test accuracy %g"%accuracy.eval(feed_dict={
    x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))

完コピするとビギナー向けのコードも最初の方に含んでるので注意。
さんざん見てきたコードなのでコメント書かなくても読めるが、
ちゃんと意味わかりたいという人は
blog.brainpad.co.jp
こちらを参考にするとよいです。とても有益なコメントが書いてあります。
とくに全結合層の説明が丁寧です。ストライドが2で半分になる理由までは書いてないけど。
僕がこのコードをゲロ吐きながら弄ってた頃にはまだなかった新しめの記事です。

で、終わるとこんな感じ。

test accuracy 0.9931

real	31m1.557s
user	167m12.196s
sys	13m49.692s

8コアで30分くらい。

今後は今更感あるがとりあえず画像認識をやりたい。

Ubuntu 14.04で音が出なかったのでkernelを4.2.0に上げた

なんかちゃんとブラッシュアップした内容じゃないとQiitaに載せられないような気がして
もっと気楽に作業ログを残すために、はてなブログも立てた。

qiita.com

↑の通り、Ubuntu 14.04で環境を作ったんだけど、
いざ音楽聴きながらコーディングしようとしたら音が出てないことに気づいた。
ヘッドホンを挿してるのは、ASUS H170 PRO GAMINGのリアのライン出力。
サウンド設定とかみると、デバイスの認識自体はしてるよう。

$ cat /proc/asound/card0/codec* | grep -i codec
Codec: Realtek ALC1150

とやったら、コーデックがALC1150らしいことがわかった。これでググると、

askubuntu.com

が出てきた。Ubuntu 14.04のkernelを(非公式だけど)4.2.0に上げればいいらしい。

で、kernelをアップグレードして再起動すると、なんか謎の外人みたいな声が聞こえる。こわい。
一応その状態でMP3とか再生してみると音質はひどいけど聞こえるので、音自体は出るようになったみたい。
サウンド設定を確認してみる。

f:id:domkade:20160405234230p:plain:w300

speech-dispatcherとかいう見慣れないアプリが4個もあって、その中の一番下のやつが原因で
外人ヴォイスが流れてたようなのでミュートにしたら消えた。ついでに他のやつも全ミュート。
これで音楽が無事聞けるようになった。

speech-dispatcherっていうのは音声合成のためのサービスらしい。
こいつはkernelをアップデートする前からいたのかな…?
というかなんで常時しゃべってるんだ…

追記:
よく聞くと、謎の外人は日本語が読めないだけで、英語はちゃんと読み上げてるっぽい。
speech-dispatcherオンにしてAudacious(音楽ソフト)にフォーカスしたら
日本語じゃないとこはちゃんと"Never say never"とか"CINDERELLA GIRLS"とか聞こえて笑った。
ブラウザにフォーカスしてると何も喋らないので読み上げ条件が謎。

今日は音出すだけでだいぶ疲れてしまった…

4/7更に追記:
昨日終了するまでは問題なく音楽が聞けてたんだけど、
今日起動したらまた音がぶつ切りになって聞こえた。
サウンド設定を見るとヘッドフォン出力が20Hzくらいでオンオフを繰り返していた。
なんかもうめんどくさくなったので手持ちのX-Fi Go! Proをぶっ挿した。
こっちはドライバインストールとかしなくても挿した瞬間から動く。
たぶん公式サポートのカーネルが古いのが原因なのは変わらないと思うので、
16.04が正式リリースされたらそれに乗り換えよう…