[1-4:環境構築]Chainerインストール

ようやく本題のChainerのインストールまで来た。Chainerの公式ページを参考に行いました。
http://docs.chainer.org/en/stable/install.html

主なマシン環境は以下の通り。
【 CPU 】インテル(R) Core(TM) i5-6500 　【 メモリ 】8GB メモリ
【 GPU 】NVIDIA(R)  GTX950                     【 OS 】Ubuntu 14.04LTS
【 CUDA 】release 7.5, V7.5.17 　　　　   【 NVIDIAドライバ 】 UNIX x86_64 Kernel Module 352.63 

[1.Pythonのバージョン確認]

公式ページによるとChainerはPython2.7.6以上, 3.4.3以上, 3.5.1以上に対応している。
Ubuntuに元々入っているPythonのバージョンを確認。バージョン2.7.6なのでこのままでOK。

$ python -V
Python 2.7.6

[2.pipのインストール]

Chainerのインストールはpipがあれば一発なのでまずpipをインストール

$ sudo apt-get install python-pip

[3.Chainerインストール]

あとは下記コマンドを実行するだけでOK。

$ pip install chainer

公式ページにはCUDAをデフォルト以外のディレクトリにインストールした場合は、パスを通すように書いてある（下記記述）。
今回はデフォルトディレクトリ(/usr/local/cuda)にインストールしているので不要。

If you installed CUDA into a non-default directory, you need to specify the directory with CUDA_PATH environment variable:

もし、デフォルト以外のディレクトリにインストールした場合は、CUDA_PATHでディレクトリを指定する必要がある。

$ CUDA_PATH=インストールディレクトリ名 pip install chainer

[4.サンプル動作確認]

githubからChainerのサンプルプログラムをダウンロード・解凍し、手書き数字データMNISTの学習を行うサンプルコードを実行する。
GPUで実行する場合は「-g 0」オプションを付ける必要がある。

wget https://github.com/pfnet/chainer/archive/v1.11.0.tar.gz
tar xzf v1.11.0.tar.gz
cd chainer-1.11.0/examples/mnist/
python ./train_mnist.py -g 0

下記のように学習回数ごとのErrorとAccuracyが表示されればOK。 GPUを使えば3分かからずに学習終了する。

GPU: 0
# unit: 1000
# Minibatch-size: 100
# epoch: 20

/usr/local/lib/python2.7/dist-packages/chainer/cuda.py:87: UserWarning: cuDNN is not enabled.
Please reinstall chainer after you install cudnn
(see https://github.com/pfnet/chainer#installation).
  'cuDNN is not enabled.\n'
epoch       main/loss   validation/main/loss  main/accuracy  validation/main/accuracy
1           0.191145    0.0985625             0.943117       0.9694                    
2           0.0717884   0.0849024             0.976915       0.9742                    

「UserWarning: cuDNN is not enabled.」の警告はcuDNNを使わないなら無視してOK。
これで必須の環境構築は完了。次回からはDeep Learningらしいことをやっていきたいと思います。