Deep Learning研究環境の構築

今からDeep Learningに関する研究を始めようと思っている人のために、Pylearn2とTorch7の環境構築の方法を以下に示します。

  1. Pylearn2
    • Githubページからダウンロードし、インストール手順を確認する
    • 必要なパッケージをインストールする
    • Githubページにしたがってインストールする
    • or 拙作pylearn2_easy_installerを使う
    • その他の方法:AnacondaやVagrantを使う
  2. Torch7
    •  公式サイトの情報にしたがってインストールする
    • luarocksで、images、unsup、dpなどのパッケージをインストールする
    • その他の方法:Amazon AWSの構築済み計算環境を使う

補足説明

  • Pylearn2とそのベースとなっているTheanoは依存関係が複雑で、多くのパッケージをインストールする必要があります。Deeplearning.jpでは、どのパッケージをどの順番でインストールするかをまとめたpylearn2_easy_installerを提供しています。
  • Anacondaという数値解析に特化した環境構築ソリューションがあります。Anacondaを使うことで、簡単にTheanoやPylearn2の環境構築ができるという報告もいくつかあります。
  • 最近では、Deep Learningの計算環境についても、環境構築済みの仮想環境を配布するスタイルが少しずつ浸透してきている印象を受けます。pylearn2に関しては、Vagrantの環境が配布されているようです。また、Torch7については、Amazon AWSで利用できるAMIという仕組みで仮想化環境が提供されています。

See Also: GPU環境の構築