Difference between revisions of "VT2018 Mxnet Demo"
Jump to navigation
Jump to search
(2 intermediate revisions by the same user not shown) | |||
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. |
||
+ | |||
+ | ==Démonstration== |
||
+ | ===Mxnet=== |
||
+ | |||
+ | 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 |
||
+ | |||
+ | ===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. |
Latest revision as of 13:31, 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
Mxnet
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
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 ici pour utiliser son modèle de prediction.