VT2018 Mxnet Demo - Revision history

Vincent.Aubert1 at 11:31, 19 November 2018

2018-11-19T11:31:08Z

← Older revision		Revision as of 11:31, 19 November 2018
Line 15:		Line 15:

	==Démonstration==		==Démonstration==
			===Mxnet===

	Sur ce dépôt git, on peut trouver de nombreux projets qui ont utilisé Mxnet pour faire leur modèle Mxnet.		Sur ce dépôt git, on peut trouver de nombreux projets qui ont utilisé Mxnet pour faire leur modèle Mxnet.
Line 24:		Line 25:
	Utilisation avec plusieurs GPU si vous en disposez au moins 2:		Utilisation avec plusieurs GPU si vous en disposez au moins 2:
	python train_cifar10.py --network resnet --num-layers 110 --batch-size 128 --gpus 0,1		python train_cifar10.py --network resnet --num-layers 110 --batch-size 128 --gpus 0,1

			===Intel Movidius===
			Pour utiliser la clé avec un modèle entrainé par Mxnet, il faut tout d'abord le convertir:
			python3 mo_mxnet.py --input_model model-file-0000.params
			La procédure ensuite est explicité [https://software.intel.com/en-us/articles/OpenVINO-Using-MXNet ici] pour utiliser son modèle de prediction.

Vincent.Aubert1 at 11:26, 19 November 2018

2018-11-19T11:26:16Z

← Older revision		Revision as of 11:26, 19 November 2018
Line 13:		Line 13:
	Pour l'installation de la clé movidius, voici le		Pour l'installation de la clé movidius, voici le
	[https://software.intel.com/en-us/neural-compute-stick tutoriel] à suivre.		[https://software.intel.com/en-us/neural-compute-stick tutoriel] à suivre.

			==Démonstration==

			Sur ce dépôt git, on peut trouver de nombreux projets qui ont utilisé Mxnet pour faire leur modèle Mxnet.
			git clone git clone https://github.com/apache/incubator-mxnet.git
			Ensuite il faut se placer sur la branche où la release est fonctionnelle
			git checkout 0.10.0.post2
			Puis lancer la commande suivante pour entrainer son modèle
			python train_mnist.py --network mlp
			Utilisation avec plusieurs GPU si vous en disposez au moins 2:
			python train_cifar10.py --network resnet --num-layers 110 --batch-size 128 --gpus 0,1

Vincent.Aubert1 at 11:17, 19 November 2018

2018-11-19T11:17:06Z

← Older revision		Revision as of 11:17, 19 November 2018
Line 8:		Line 8:
	On installe Mxnet avec la commande suivante :		On installe Mxnet avec la commande suivante :
	pip install mxnet		pip install mxnet

			Pour se servir de mxnet, on aura juste à faire import Mxnet dans son fichier .py

			Pour l'installation de la clé movidius, voici le
			[https://software.intel.com/en-us/neural-compute-stick tutoriel] à suivre.

Vincent.Aubert1: /* Compilation */

2018-11-19T11:14:13Z

Compilation

← Older revision		Revision as of 11:14, 19 November 2018
Line 1:		Line 1:
	==~~Compilation~~==		==Prérequis==

			*Python installé
⚫	On la ~~compile~~ avec la commande suivante :
			*La commande pip installé
	javac -classpath '''$PATH'''/gson-2.8.5.jar fact.java
	Ici, la valeur '''<code>PATH</code>''' est à remplacer par le chemin où vous avez rangé la librairie [https://github.com/google/gson Gson] qui est nécessaire pour utiliser du Java avec OpenWhisk.

			==Installation==
	On crée ensuite une archive jar de notre action compilée :

	jar cvf fact.jar fact.class
		⚫	On installe Mxnet avec la commande suivante :
			pip install mxnet

Vincent.Aubert1: Created page with "==Compilation== On la compile avec la commande suivante : javac -classpath '''$PATH'''/gson-2.8.5.jar fact.java Ici, la valeur '''`PATH`''' est à remplacer par l..."

2018-11-19T11:12:31Z

Created page with "==Compilation== On la compile avec la commande suivante : javac -classpath '''$PATH'''/gson-2.8.5.jar fact.java Ici, la valeur '''<code>PATH</code>''' est à remplacer par l..."

New page