fastai 1.0을 Google 공동체에서 실행하기 위해 한 일

소프트웨어 엔지니어(프로그래머)에게 추천의 심층 학습 MOOC패스트. 사랑이 강의 중에 사용하고 있는 라이브러리fastai가 공식적으로 1.0이 되었다이므로 Google Colaboratory(이하, Colab)에서 사용해 보았습니다.
그 때, 세세한 곳에서 조금 집착했으므로, 그것을 정리해 보았습니다.

PyTorch 1.0 설치

fastai는 PyTorch 위에 만들어졌습니다.
하지만 정식 출시 전 PyTorch 1.0을 사용하고 있기 때문에 Nightly 빌드를 사용해야합니다.
Colab에서는 CUDA 8.0 밖에 들어 있지 않기 때문에, 그쪽을 지정하고 있습니다 ( 의 cu80 부분).

!pip install torch_nightly -f https://download.pytorch.org/whl/nightly/cu80/torch_nightly.html

이전 버전의 PyTorch를 설치한 경우

아래의 명령으로 삭제해 둡시다.
또한 라이브러리를 삭제하고 새로 다시 넣으면 런타임을 다시 시작하는 것을 잊지 마십시오.

!pip uninstall torch

fastai 설치

!pip install fastai

이때 어떤 버전이 설치되는지주의!
아직 1.0이 되었고 API가 여전히 자주 바뀝니다. 서브마이너 버전의 갱신(예: 1.0.2 1.0.3)에서도 바뀌거나 합니다.

작업자 수

fastai는 디폴트로 CPU의 수에 따라 복수 프로세스로 달리게 되어 있습니다만, 아무래도 Colab에서는 안정적으로 움직이지 않기 때문에, 그 기능을 끄는 것이 좋을 것 같습니다.

ImageNet 형식의 폴더 구조용 함수인 image_data_from_folder 의 경우는 다음과 같이 num_workers 로 0 를 지정하면 메인 프로세스에서만 실행되게 됩니다.

data = image_data_from_folder(
    DATA_DIR, ds_tfms=get_transforms(), tfms=imagenet_norm, size=224,
    num_workers=0   # <== こちらで0を指定する
)

learner = ConvLearner(data, arch, metrics=accuracy)

당연히 처리에 시간이 걸려 버립니다만, 무료로 사용하고 있는 범위에서는 어쩔 수 없을까…