VT2018 Mxnet Demo: Difference between revisions
Jump to navigation
Jump to search
No edit summary |
No edit summary |
||
| 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 |
|||
Revision as of 11:26, 19 November 2018
Prérequis
- Python installé
- La commande pip installé
Installation
On installe Mxnet avec la commande suivante :
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 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