こちらのサイト様のコードを使わせていただいて、動作確認をしてみる。
https://hnakamur.github.io/blog/2015/07/25/setup_pycuda_on_macbook_pro_with_geforce/
下記コードをpycuda-test.pyと名付けて保存。
import pycuda.gpuarray as gpuarray
import pycuda.driver as cuda
import pycuda.autoinit
import numpy
a_gpu = gpuarray.to_gpu(numpy.random.randn(4,4).astype(numpy.float32))
a_doubled = (2*a_gpu).get()
print(a_doubled)
print(a_gpu)
では、動かしてみる。
$ python3 pycuda-test.py
[[-0.88340336 -0.48412755 -2.73136067 -0.04277773]
[ 1.15315139 -2.88467717 -0.6212647 0.35913253]
[ 1.04733992 -3.00954723 1.72663045 -0.17476171]
[-1.08756733 0.0739169 -1.34298694 -0.24150042]]
[[-0.44170168 -0.24206378 -1.36568034 -0.02138886]
[ 0.5765757 -1.44233859 -0.31063235 0.17956626]
[ 0.52366996 -1.50477362 0.86331522 -0.08738086]
[-0.54378366 0.03695845 -0.67149347 -0.12075021]]
やっぱりpycudaは動作しているようだ。
その他のサンプルコードだと、Python2とPython3の差異があったりと、今日の時点ではpycudaがちゃんと動いているのかわからなかった。次はもうちょっとビジュアル的に面白いコードで試してみたい。
2016年6月26日日曜日
numpy、python-six、そしてpycudaをインストールしてゆく。
まずnumpyからインストールしてゆく。
numpyは科学技術計算で利用されるPythonの拡張モジュールなんだとか。
$ pip install numpy
Requirement already satisfied (use --upgrade to upgrade): numpy in /Users/ほげほげ/.pyenv/versions/anaconda3-4.0.0/lib/python3.5/site-packages
おお。
Python3をインストールする時にanacondaを選択したので、インストール済みであったか。
じゃ、python-sixへ続く。
sixとは、Python 2 と Python 3 の間の違いを吸収するためのシンプルなユーティリティなんだとか。
$ pip install six
Requirement already satisfied (use --upgrade to upgrade): six in /Users/ほげほげ/.pyenv/versions/anaconda3-4.0.0/lib/python3.5/site-packages
インストール済みとな。
anacondaは優秀なパッケージなんだな。
じゃ、Pycudaをインストールする。
$ pip install pycuda
盛大なエラーを吐いて終了。。。。。
じゃ、世の中のWebサイトで成功事例に書かれている方法で再挑戦する。
フォルダはホームフォルダに置く事にする。
$ git clone http://git.tiker.net/trees/pycuda.git
で、ダウンロードが済んだら、pycudaのフォルダに降りてみる。
$cd pycuda
$ ls
MANIFEST.in bpl-subset setup.cfg
Makefile.in configure.py setup.py
README.rst doc src
README_SETUP.txt examples test
aksetup_helper.py pycuda
こんな感じの内容。
$ python3 configure.py
$ ls
MANIFEST.in aksetup_helper.py setup.cfg
Makefile bpl-subset setup.py
Makefile.in configure.py siteconf.py
README.rst doc src
README_SETUP.txt examples test
__pycache__ pycuda
14ファイル → 17ファイルに増えてる。
$ vi siteconf.py
BOOST_INC_DIR = []
BOOST_LIB_DIR = []
BOOST_COMPILER = 'gcc43'
USE_SHIPPED_BOOST = True
BOOST_PYTHON_LIBNAME = ['boost_python-35']
BOOST_THREAD_LIBNAME = ['boost_thread']
CUDA_TRACE = False
CUDA_ROOT = '/Developer/NVIDIA/CUDA-7.5'
CUDA_ENABLE_GL = False
CUDA_ENABLE_CURAND = True
CUDADRV_LIB_DIR = ['${CUDA_ROOT}/lib', '${CUDA_ROOT}/lib64', '${CUDA_ROOT}/lib/stubs', '${CUDA_ROOT}/lib64/stubs']
CUDADRV_LIBNAME = ['cuda']
CUDART_LIB_DIR = ['${CUDA_ROOT}/lib', '${CUDA_ROOT}/lib64', '${CUDA_ROOT}/lib/stubs', '${CUDA_ROOT}/lib64/stubs']
CUDART_LIBNAME = ['cudart']
CURAND_LIB_DIR = ['${CUDA_ROOT}/lib', '${CUDA_ROOT}/lib64', '${CUDA_ROOT}/lib/stubs', '${CUDA_ROOT}/lib64/stubs']
CURAND_LIBNAME = ['curand']
CXXFLAGS = []
LDFLAGS = []
上記を次の内容に書き換える。
BOOST_INC_DIR = ['/opt/local/include']
BOOST_LIB_DIR = ['/opt/local/lib']
BOOST_COMPILER = 'gcc43'
USE_SHIPPED_BOOST = True
BOOST_PYTHON_LIBNAME = ['boost_python-py35']
BOOST_THREAD_LIBNAME = ['boost_thread']
CUDA_TRACE = False
CUDA_ROOT = '/usr/local/cuda'
CUDA_ENABLE_GL = False
CUDA_ENABLE_CURAND = True
CUDADRV_LIB_DIR = ['${CUDA_ROOT}/lib', '${CUDA_ROOT}/lib64', '${CUDA_ROOT}/lib/stubs', '${CUDA_ROOT}/lib64/stubs']
CUDADRV_LIBNAME = ['cuda']
CUDART_LIB_DIR = ['${CUDA_ROOT}/lib', '${CUDA_ROOT}/lib64', '${CUDA_ROOT}/lib/stubs', '${CUDA_ROOT}/lib64/stubs']
CUDART_LIBNAME = ['cudart']
CURAND_LIB_DIR = ['${CUDA_ROOT}/lib', '${CUDA_ROOT}/lib64', '${CUDA_ROOT}/lib/stubs', '${CUDA_ROOT}/lib64/stubs']
CURAND_LIBNAME = ['curand']
CXXFLAGS = ["-arch", "x86_64", "-arch", "i386",'-mmacosx-version-min=10.11', '-isysroot', '/Applications/Xcode.app/Contents/Developer/Platforms/MacOSX.platform/Developer/SDKs/MacOSX10.11.sdk']
LDFLAGS = ["-F/Library/Frameworks", "-arch", "x86_64", "-arch", "i386",'-mmacosx-version-min=10.11', '-isysroot', '/Applications/Xcode.app/Contents/Developer/Platforms/MacOSX.platform/Developer/SDKs/MacOSX10.11.sdk']
pycudaのインストールにcompyteが必要らしいので、こちらもインストールする。
pycudaのフォルダ内で、次のコマンドを実行。
$ git clone git://github.com/inducer/compyte.git
いよいよpycudaをインストールする。
$ cd ~/pycuda
念のためのおまじない。
$ git submodule update --init
Submodule 'bpl-subset' (https://github.com/inducer/bpl-subset) registered for path 'bpl-subset'
Submodule 'pycuda/compyte' (https://github.com/inducer/compyte) registered for path 'pycuda/compyte'
Cloning into 'bpl-subset'...
remote: Counting objects: 5374, done.
remote: Total 5374 (delta 0), reused 0 (delta 0), pack-reused 5374
Receiving objects: 100% (5374/5374), 5.03 MiB | 1.00 MiB/s, done.
Resolving deltas: 100% (1282/1282), done.
Checking connectivity... done.
Submodule path 'bpl-subset': checked out 'e7c5f5131daca6298b5e8aa48d06e7ecffec2ffa'
Cloning into 'pycuda/compyte'...
remote: Counting objects: 1889, done.
remote: Total 1889 (delta 0), reused 0 (delta 0), pack-reused 1889
Receiving objects: 100% (1889/1889), 739.73 KiB | 427.00 KiB/s, done.
Resolving deltas: 100% (1085/1085), done.
Checking connectivity... done.
Submodule path 'pycuda/compyte': checked out 'ac1c71d46428c14aa1bd1c09d7da19cd0298d5cc'
じゃあ、makeしてみますか。。。。
$ sudo make
でるわでるわ、警告の嵐!!
気が遠くなるほど警告を吐いたあとで、作業は終了。
じゃ、make installしますか。。。
$ sudo make install
Finished processing dependencies for pycuda==2016.1.1
なんか、終わったくさいぞ!!
いったんターミナルを終了して、立ち上げ直す。
pycudaの動作確認をしてみる。
$ python3
Python 3.5.1 |Anaconda 4.0.0 (x86_64)| (default, Dec 7 2015, 11:24:55)
[GCC 4.2.1 (Apple Inc. build 5577)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import pycuda.autoinit
>>>
やったっ!!
成功しましたっ!!!!
numpyは科学技術計算で利用されるPythonの拡張モジュールなんだとか。
$ pip install numpy
Requirement already satisfied (use --upgrade to upgrade): numpy in /Users/ほげほげ/.pyenv/versions/anaconda3-4.0.0/lib/python3.5/site-packages
おお。
Python3をインストールする時にanacondaを選択したので、インストール済みであったか。
じゃ、python-sixへ続く。
sixとは、Python 2 と Python 3 の間の違いを吸収するためのシンプルなユーティリティなんだとか。
$ pip install six
Requirement already satisfied (use --upgrade to upgrade): six in /Users/ほげほげ/.pyenv/versions/anaconda3-4.0.0/lib/python3.5/site-packages
インストール済みとな。
anacondaは優秀なパッケージなんだな。
じゃ、Pycudaをインストールする。
$ pip install pycuda
盛大なエラーを吐いて終了。。。。。
じゃ、世の中のWebサイトで成功事例に書かれている方法で再挑戦する。
フォルダはホームフォルダに置く事にする。
$ git clone http://git.tiker.net/trees/pycuda.git
で、ダウンロードが済んだら、pycudaのフォルダに降りてみる。
$cd pycuda
$ ls
MANIFEST.in bpl-subset setup.cfg
Makefile.in configure.py setup.py
README.rst doc src
README_SETUP.txt examples test
aksetup_helper.py pycuda
こんな感じの内容。
$ python3 configure.py
$ ls
MANIFEST.in aksetup_helper.py setup.cfg
Makefile bpl-subset setup.py
Makefile.in configure.py siteconf.py
README.rst doc src
README_SETUP.txt examples test
__pycache__ pycuda
14ファイル → 17ファイルに増えてる。
$ vi siteconf.py
BOOST_INC_DIR = []
BOOST_LIB_DIR = []
BOOST_COMPILER = 'gcc43'
USE_SHIPPED_BOOST = True
BOOST_PYTHON_LIBNAME = ['boost_python-35']
BOOST_THREAD_LIBNAME = ['boost_thread']
CUDA_TRACE = False
CUDA_ROOT = '/Developer/NVIDIA/CUDA-7.5'
CUDA_ENABLE_GL = False
CUDA_ENABLE_CURAND = True
CUDADRV_LIB_DIR = ['${CUDA_ROOT}/lib', '${CUDA_ROOT}/lib64', '${CUDA_ROOT}/lib/stubs', '${CUDA_ROOT}/lib64/stubs']
CUDADRV_LIBNAME = ['cuda']
CUDART_LIB_DIR = ['${CUDA_ROOT}/lib', '${CUDA_ROOT}/lib64', '${CUDA_ROOT}/lib/stubs', '${CUDA_ROOT}/lib64/stubs']
CUDART_LIBNAME = ['cudart']
CURAND_LIB_DIR = ['${CUDA_ROOT}/lib', '${CUDA_ROOT}/lib64', '${CUDA_ROOT}/lib/stubs', '${CUDA_ROOT}/lib64/stubs']
CURAND_LIBNAME = ['curand']
CXXFLAGS = []
LDFLAGS = []
上記を次の内容に書き換える。
BOOST_INC_DIR = ['/opt/local/include']
BOOST_LIB_DIR = ['/opt/local/lib']
BOOST_COMPILER = 'gcc43'
USE_SHIPPED_BOOST = True
BOOST_PYTHON_LIBNAME = ['boost_python-py35']
BOOST_THREAD_LIBNAME = ['boost_thread']
CUDA_TRACE = False
CUDA_ROOT = '/usr/local/cuda'
CUDA_ENABLE_GL = False
CUDA_ENABLE_CURAND = True
CUDADRV_LIB_DIR = ['${CUDA_ROOT}/lib', '${CUDA_ROOT}/lib64', '${CUDA_ROOT}/lib/stubs', '${CUDA_ROOT}/lib64/stubs']
CUDADRV_LIBNAME = ['cuda']
CUDART_LIB_DIR = ['${CUDA_ROOT}/lib', '${CUDA_ROOT}/lib64', '${CUDA_ROOT}/lib/stubs', '${CUDA_ROOT}/lib64/stubs']
CUDART_LIBNAME = ['cudart']
CURAND_LIB_DIR = ['${CUDA_ROOT}/lib', '${CUDA_ROOT}/lib64', '${CUDA_ROOT}/lib/stubs', '${CUDA_ROOT}/lib64/stubs']
CURAND_LIBNAME = ['curand']
CXXFLAGS = ["-arch", "x86_64", "-arch", "i386",'-mmacosx-version-min=10.11', '-isysroot', '/Applications/Xcode.app/Contents/Developer/Platforms/MacOSX.platform/Developer/SDKs/MacOSX10.11.sdk']
LDFLAGS = ["-F/Library/Frameworks", "-arch", "x86_64", "-arch", "i386",'-mmacosx-version-min=10.11', '-isysroot', '/Applications/Xcode.app/Contents/Developer/Platforms/MacOSX.platform/Developer/SDKs/MacOSX10.11.sdk']
pycudaのインストールにcompyteが必要らしいので、こちらもインストールする。
pycudaのフォルダ内で、次のコマンドを実行。
$ git clone git://github.com/inducer/compyte.git
いよいよpycudaをインストールする。
$ cd ~/pycuda
念のためのおまじない。
$ git submodule update --init
Submodule 'bpl-subset' (https://github.com/inducer/bpl-subset) registered for path 'bpl-subset'
Submodule 'pycuda/compyte' (https://github.com/inducer/compyte) registered for path 'pycuda/compyte'
Cloning into 'bpl-subset'...
remote: Counting objects: 5374, done.
remote: Total 5374 (delta 0), reused 0 (delta 0), pack-reused 5374
Receiving objects: 100% (5374/5374), 5.03 MiB | 1.00 MiB/s, done.
Resolving deltas: 100% (1282/1282), done.
Checking connectivity... done.
Submodule path 'bpl-subset': checked out 'e7c5f5131daca6298b5e8aa48d06e7ecffec2ffa'
Cloning into 'pycuda/compyte'...
remote: Counting objects: 1889, done.
remote: Total 1889 (delta 0), reused 0 (delta 0), pack-reused 1889
Receiving objects: 100% (1889/1889), 739.73 KiB | 427.00 KiB/s, done.
Resolving deltas: 100% (1085/1085), done.
Checking connectivity... done.
Submodule path 'pycuda/compyte': checked out 'ac1c71d46428c14aa1bd1c09d7da19cd0298d5cc'
じゃあ、makeしてみますか。。。。
$ sudo make
でるわでるわ、警告の嵐!!
気が遠くなるほど警告を吐いたあとで、作業は終了。
じゃ、make installしますか。。。
$ sudo make install
Finished processing dependencies for pycuda==2016.1.1
なんか、終わったくさいぞ!!
いったんターミナルを終了して、立ち上げ直す。
pycudaの動作確認をしてみる。
$ python3
Python 3.5.1 |Anaconda 4.0.0 (x86_64)| (default, Dec 7 2015, 11:24:55)
[GCC 4.2.1 (Apple Inc. build 5577)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import pycuda.autoinit
>>>
やったっ!!
成功しましたっ!!!!
2016年6月25日土曜日
CUDAドライバーをインストールし、サンプルプログラムで動作確認するまで。
前回のChainerのサンプルプログラムは、CPUで動作させました。
次に挑戦すべきは、GPUで動作させる事ですね。
まず、chainer-1.9.1/examples/mnist/train_mnist.py のGPUスイッチを入れてみた。
parser.add_argument('--gpu', '-g', default=0, type=int,
help='GPU ID (negative value indicates CPU)')
で、どうなるか?
$ python3 chainer-1.9.1/examples/mnist/train_mnist.py
GPU: 0
# unit: 1000
# Minibatch-size: 100
# epoch: 20
Network type: simple
load MNIST dataset
Downloading train-images-idx3-ubyte.gz...
Done
Downloading train-labels-idx1-ubyte.gz...
Done
Downloading t10k-images-idx3-ubyte.gz...
Done
Downloading t10k-labels-idx1-ubyte.gz...
Done
Converting training data...
Done
Converting test data...
Done
Save output...
Done
Convert completed
Traceback (most recent call last):
File "chainer-1.9.1/examples/mnist/train_mnist.py", line 68, in <module>
cuda.get_device(args.gpu).use()
File "/Users/ほげほげ/.pyenv/versions/anaconda3-4.0.0/lib/python3.5/site-packages/chainer/cuda.py", line 161, in get_device
check_cuda_available()
File "/Users/ほげほげ/.pyenv/versions/anaconda3-4.0.0/lib/python3.5/site-packages/chainer/cuda.py", line 82, in check_cuda_available
raise RuntimeError(msg)
RuntimeError: CUDA environment is not correctly set up
(see https://github.com/pfnet/chainer#installation).'str' object has no attribute '__traceback__'
でエラーで止まった。
んー、とりあえずCUDAとか、cuda.pyとか不備があるようだ。
まずは、NVIDIAからCUDAドライバーと、Toolkitをダウンロードし、インストールした。
$ vi ./.bash_profile で 次の通りパス設定を書き込みます。
# CUDA
export PATH=/Developer/NVIDIA/CUDA-7.5/bin:$PATH
export DYLD_LIBRARY_PATH=/Developer/NVIDIA/CUDA-7.5/lib:$DYLD_LIBRARY_PATH
CUDAのバージョンの数字は、導入時期に合わせて適宜変更が必要。
軽く動作確認してみます。
$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2015 NVIDIA Corporation
Built on Mon_Apr_11_13:23:40_CDT_2016
Cuda compilation tools, release 7.5, V7.5.26
一応、パスは通っているみたいだ。
次にCUDAのサンプルプログラムを動かしてみます。
・Xcodeをインストールする。
・Boostをインストールする。Homebrewを使うと楽にインストールできる。
$ brew install boost
では、CUDAのサンプルファイルを実行する準備を行います。
$ cd /Developer/NVIDIA/CUDA-7.5/samples
$ sudo make
結構長い間コンパイル作業が続きます。
お茶でも飲んで待っているといいかもしれません。
コンパイル作業が終わったら、このコマンドを叩いてみます。
$ 1_Utilities/deviceQuery/deviceQuery
もしCUDAがうまく動作している場合は、こんな表示が出ます。
1_utilities/deviceQuery/deviceQuery Starting...
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce GTX 970"
CUDA Driver Version / Runtime Version 7.5 / 7.5
CUDA Capability Major/Minor version number: 5.2
Total amount of global memory: 4096 MBytes (4294770688 bytes)
(13) Multiprocessors, (128) CUDA Cores/MP: 1664 CUDA Cores
GPU Max Clock rate: 1216 MHz (1.22 GHz)
Memory Clock rate: 3505 Mhz
Memory Bus Width: 256-bit
L2 Cache Size: 1835008 bytes
Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers
Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers
Total amount of constant memory: 65536 bytes
Total amount of shared memory per block: 49152 bytes
Total number of registers available per block: 65536
Warp size: 32
Maximum number of threads per multiprocessor: 2048
Maximum number of threads per block: 1024
Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)
Maximum memory pitch: 2147483647 bytes
Texture alignment: 512 bytes
Concurrent copy and kernel execution: Yes with 2 copy engine(s)
Run time limit on kernels: Yes
Integrated GPU sharing Host Memory: No
Support host page-locked memory mapping: Yes
Alignment requirement for Surfaces: Yes
Device has ECC support: Disabled
Device supports Unified Addressing (UVA): Yes
Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0
Compute Mode:
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 7.5, CUDA Runtime Version = 7.5, NumDevs = 1, Device0 = GeForce GTX 970
Result = PASS
やったー!動いているみたいだ。
もう一つテストしてみる。
$ 1_utilities/bandwidthTest/bandwidthTest
[CUDA Bandwidth Test] - Starting...
Running on...
Device 0: GeForce GTX 970
Quick Mode
Host to Device Bandwidth, 1 Device(s)
PINNED Memory Transfers
Transfer Size (Bytes) Bandwidth(MB/s)
33554432 12785.7
Device to Host Bandwidth, 1 Device(s)
PINNED Memory Transfers
Transfer Size (Bytes) Bandwidth(MB/s)
33554432 12846.7
Device to Device Bandwidth, 1 Device(s)
PINNED Memory Transfers
Transfer Size (Bytes) Bandwidth(MB/s)
33554432 142505.2
Result = PASS
NOTE: The CUDA Samples are not meant for performance measurements. Results may vary when GPU Boost is enabled.
へいへい、わっかりやした。
enableなことが分かれば、それで十分です。
次に挑戦すべきは、GPUで動作させる事ですね。
まず、chainer-1.9.1/examples/mnist/train_mnist.py のGPUスイッチを入れてみた。
parser.add_argument('--gpu', '-g', default=0, type=int,
help='GPU ID (negative value indicates CPU)')
で、どうなるか?
$ python3 chainer-1.9.1/examples/mnist/train_mnist.py
GPU: 0
# unit: 1000
# Minibatch-size: 100
# epoch: 20
Network type: simple
load MNIST dataset
Downloading train-images-idx3-ubyte.gz...
Done
Downloading train-labels-idx1-ubyte.gz...
Done
Downloading t10k-images-idx3-ubyte.gz...
Done
Downloading t10k-labels-idx1-ubyte.gz...
Done
Converting training data...
Done
Converting test data...
Done
Save output...
Done
Convert completed
Traceback (most recent call last):
File "chainer-1.9.1/examples/mnist/train_mnist.py", line 68, in <module>
cuda.get_device(args.gpu).use()
File "/Users/ほげほげ/.pyenv/versions/anaconda3-4.0.0/lib/python3.5/site-packages/chainer/cuda.py", line 161, in get_device
check_cuda_available()
File "/Users/ほげほげ/.pyenv/versions/anaconda3-4.0.0/lib/python3.5/site-packages/chainer/cuda.py", line 82, in check_cuda_available
raise RuntimeError(msg)
RuntimeError: CUDA environment is not correctly set up
(see https://github.com/pfnet/chainer#installation).'str' object has no attribute '__traceback__'
でエラーで止まった。
んー、とりあえずCUDAとか、cuda.pyとか不備があるようだ。
まずは、NVIDIAからCUDAドライバーと、Toolkitをダウンロードし、インストールした。
$ vi ./.bash_profile で 次の通りパス設定を書き込みます。
# CUDA
export PATH=/Developer/NVIDIA/CUDA-7.5/bin:$PATH
export DYLD_LIBRARY_PATH=/Developer/NVIDIA/CUDA-7.5/lib:$DYLD_LIBRARY_PATH
CUDAのバージョンの数字は、導入時期に合わせて適宜変更が必要。
軽く動作確認してみます。
$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2015 NVIDIA Corporation
Built on Mon_Apr_11_13:23:40_CDT_2016
Cuda compilation tools, release 7.5, V7.5.26
一応、パスは通っているみたいだ。
次にCUDAのサンプルプログラムを動かしてみます。
・Xcodeをインストールする。
・Boostをインストールする。Homebrewを使うと楽にインストールできる。
$ brew install boost
では、CUDAのサンプルファイルを実行する準備を行います。
$ cd /Developer/NVIDIA/CUDA-7.5/samples
$ sudo make
結構長い間コンパイル作業が続きます。
お茶でも飲んで待っているといいかもしれません。
コンパイル作業が終わったら、このコマンドを叩いてみます。
$ 1_Utilities/deviceQuery/deviceQuery
もしCUDAがうまく動作している場合は、こんな表示が出ます。
1_utilities/deviceQuery/deviceQuery Starting...
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce GTX 970"
CUDA Driver Version / Runtime Version 7.5 / 7.5
CUDA Capability Major/Minor version number: 5.2
Total amount of global memory: 4096 MBytes (4294770688 bytes)
(13) Multiprocessors, (128) CUDA Cores/MP: 1664 CUDA Cores
GPU Max Clock rate: 1216 MHz (1.22 GHz)
Memory Clock rate: 3505 Mhz
Memory Bus Width: 256-bit
L2 Cache Size: 1835008 bytes
Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers
Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers
Total amount of constant memory: 65536 bytes
Total amount of shared memory per block: 49152 bytes
Total number of registers available per block: 65536
Warp size: 32
Maximum number of threads per multiprocessor: 2048
Maximum number of threads per block: 1024
Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)
Maximum memory pitch: 2147483647 bytes
Texture alignment: 512 bytes
Concurrent copy and kernel execution: Yes with 2 copy engine(s)
Run time limit on kernels: Yes
Integrated GPU sharing Host Memory: No
Support host page-locked memory mapping: Yes
Alignment requirement for Surfaces: Yes
Device has ECC support: Disabled
Device supports Unified Addressing (UVA): Yes
Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0
Compute Mode:
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 7.5, CUDA Runtime Version = 7.5, NumDevs = 1, Device0 = GeForce GTX 970
Result = PASS
やったー!動いているみたいだ。
もう一つテストしてみる。
$ 1_utilities/bandwidthTest/bandwidthTest
[CUDA Bandwidth Test] - Starting...
Running on...
Device 0: GeForce GTX 970
Quick Mode
Host to Device Bandwidth, 1 Device(s)
PINNED Memory Transfers
Transfer Size (Bytes) Bandwidth(MB/s)
33554432 12785.7
Device to Host Bandwidth, 1 Device(s)
PINNED Memory Transfers
Transfer Size (Bytes) Bandwidth(MB/s)
33554432 12846.7
Device to Device Bandwidth, 1 Device(s)
PINNED Memory Transfers
Transfer Size (Bytes) Bandwidth(MB/s)
33554432 142505.2
Result = PASS
NOTE: The CUDA Samples are not meant for performance measurements. Results may vary when GPU Boost is enabled.
へいへい、わっかりやした。
enableなことが分かれば、それで十分です。
2016年6月22日水曜日
とりあえずChainerをインストールしてみる
で、とりあえずChainerをインストールしてみる。
Chainerをインストールするために、chainer.orgに行く。
インストール方法は簡単で、Pythonをインストール済みの環境ならば、次のコマンドを打つだけ。
$ pip install chainer
テスト用サンプルがあるらしいので、これから始めてみよう。
$ wget https://github.com/pfnet/chainer/archive/v1.9.1.tar.gz
$ tar xzf v1.9.1.tar.gz
$ python chainer-1.9.1/examples/mnist/train_mnist.py
実行してみようとしたら、wgetがないという。
$ which wget
反応なしなので、やっぱりインストールはされていない。
では次のコマンドでwgetをインストールする。
$ brew install wget
==> Downloading https://homebrew.bintray.com/bottles/wget-1.18.el_capitan.bottle
######################################################################## 100.0%
==> Pouring wget-1.18.el_capitan.bottle.tar.gz
🍺 /usr/local/Cellar/wget/1.18: 9 files, 1.6M
パッケージ管理システムは、ほんと便利、ありがたい。
気を取り直して、再挑戦。
$ wget https://github.com/pfnet/chainer/archive/v1.9.1.tar.gz
--2016-06-22 20:44:26-- https://github.com/pfnet/chainer/archive/v1.9.1.tar.gz
Resolving github.com... 192.30.252.122
Connecting to github.com|192.30.252.122|:443... connected.
HTTP request sent, awaiting response... 302 Found
Location: https://codeload.github.com/pfnet/chainer/tar.gz/v1.9.1 [following]
--2016-06-22 20:44:27-- https://codeload.github.com/pfnet/chainer/tar.gz/v1.9.1
Resolving codeload.github.com... 192.30.253.120
Connecting to codeload.github.com|192.30.253.120|:443... connected.
HTTP request sent, awaiting response... 200 OK
Length: unspecified [application/x-gzip]
Saving to: ‘v1.9.1.tar.gz’
v1.9.1.tar.gz [ <=> ] 1.80M 622KB/s in 3.0s
2016-06-22 20:44:31 (622 KB/s) - ‘v1.9.1.tar.gz’ saved [1893254]
ダウンロードが済んだら、圧縮ファイルを展開。
$ tar xzf v1.9.1.tar.gz
で実行してみる。
$ python3 chainer-1.9.1/examples/mnist/train_mnist.py
GPU: -1
# unit: 1000
# Minibatch-size: 100
# epoch: 20
Network type: simple
load MNIST dataset
Downloading train-images-idx3-ubyte.gz...
Done
Downloading train-labels-idx1-ubyte.gz...
Done
Downloading t10k-images-idx3-ubyte.gz...
Done
Downloading t10k-labels-idx1-ubyte.gz...
Done
Converting training data...
Done
Converting test data...
Done
Save output...
Done
Convert completed
epoch 1
graph generated
train mean loss=0.19060514808942874, accuracy=0.9417666694770257, throughput=4271.602999064454 images/sec
test mean loss=0.087592640517978, accuracy=0.9728000050783158
epoch 2
train mean loss=0.0738531613512896, accuracy=0.9769333433111509, throughput=3953.7409389202767 images/sec
test mean loss=0.07370956073747947, accuracy=0.9775000071525574
epoch 3
train mean loss=0.04970679437314781, accuracy=0.9846500095725059, throughput=3811.6873914039775 images/sec
test mean loss=0.0637695388092834, accuracy=0.9800000065565109
epoch 4
train mean loss=0.03488761224221283, accuracy=0.9886000087857246, throughput=3692.2595329471765 images/sec
test mean loss=0.07119732037186623, accuracy=0.9786000061035156
epoch 5
train mean loss=0.028896143916257035, accuracy=0.9905666745702426, throughput=3695.4207240808023 images/sec
test mean loss=0.07256504680110083, accuracy=0.9788000077009201
epoch 6
train mean loss=0.02374378211319102, accuracy=0.9921833403905232, throughput=3583.3320328487594 images/sec
test mean loss=0.10043191654083784, accuracy=0.9744000059366226
epoch 7
train mean loss=0.020924357878029695, accuracy=0.992866672972838, throughput=3592.6140728613955 images/sec
test mean loss=0.06807603047812108, accuracy=0.9835000067949295
epoch 8
train mean loss=0.017630842202852364, accuracy=0.9942500052849451, throughput=3537.208209028512 images/sec
test mean loss=0.08859721799534782, accuracy=0.9785000056028366
epoch 9
train mean loss=0.018209161819856188, accuracy=0.9943000053366026, throughput=3460.3185817121116 images/sec
test mean loss=0.08362272959568146, accuracy=0.980100005865097
epoch 10
train mean loss=0.013510788094675567, accuracy=0.9956166708469391, throughput=3414.213791867741 images/sec
test mean loss=0.09247089847276073, accuracy=0.9814000064134598
epoch 11
train mean loss=0.013009410188321151, accuracy=0.9958500039577484, throughput=3326.4933053556624 images/sec
test mean loss=0.09212554091344487, accuracy=0.9791000074148178
epoch 12
train mean loss=0.013966237730543677, accuracy=0.9955333373943964, throughput=3213.203793557963 images/sec
test mean loss=0.07512530633225424, accuracy=0.9832000082731247
epoch 13
train mean loss=0.011328027055885741, accuracy=0.9966166697939237, throughput=3143.6668155565453 images/sec
test mean loss=0.11614390091075905, accuracy=0.9787000072002411
epoch 14
train mean loss=0.011522313533887427, accuracy=0.9965333365400633, throughput=3069.061238992809 images/sec
test mean loss=0.10542018069097821, accuracy=0.9778000056743622
epoch 15
train mean loss=0.014500913300751487, accuracy=0.9957000040014585, throughput=2994.8600530405492 images/sec
test mean loss=0.10059675336371895, accuracy=0.9800000071525574
epoch 16
train mean loss=0.0079077750227475, accuracy=0.9975333355863889, throughput=2914.1439322729966 images/sec
test mean loss=0.08044841805511829, accuracy=0.9852000093460083
epoch 17
train mean loss=0.006486849701715869, accuracy=0.9980333352088928, throughput=2828.4838384387863 images/sec
test mean loss=0.10793283259050049, accuracy=0.9788000065088273
epoch 18
train mean loss=0.0125344805511196, accuracy=0.9963000035285949, throughput=2795.0638334358655 images/sec
test mean loss=0.10538647441120699, accuracy=0.9828000074625015
epoch 19
train mean loss=0.009864346119461895, accuracy=0.9970833361148834, throughput=2750.219816402364 images/sec
test mean loss=0.12158339534574539, accuracy=0.9794000047445297
epoch 20
train mean loss=0.012885340018372063, accuracy=0.9962166701753934, throughput=2738.190540420163 images/sec
test mean loss=0.0986378959132702, accuracy=0.982900008559227
save the model
save the optimizer
初期設定では、GPUは使用しないモードになっているらしい。
稼働中はメモリ使用量はあまり変化ないけれど、CPU負荷率は100%近い状態になっていた。
GPUを稼働させてみたいなあ。。。
Chainerをインストールするために、chainer.orgに行く。
インストール方法は簡単で、Pythonをインストール済みの環境ならば、次のコマンドを打つだけ。
$ pip install chainer
テスト用サンプルがあるらしいので、これから始めてみよう。
$ wget https://github.com/pfnet/chainer/archive/v1.9.1.tar.gz
$ tar xzf v1.9.1.tar.gz
$ python chainer-1.9.1/examples/mnist/train_mnist.py
実行してみようとしたら、wgetがないという。
$ which wget
反応なしなので、やっぱりインストールはされていない。
では次のコマンドでwgetをインストールする。
$ brew install wget
==> Downloading https://homebrew.bintray.com/bottles/wget-1.18.el_capitan.bottle
######################################################################## 100.0%
==> Pouring wget-1.18.el_capitan.bottle.tar.gz
🍺 /usr/local/Cellar/wget/1.18: 9 files, 1.6M
パッケージ管理システムは、ほんと便利、ありがたい。
気を取り直して、再挑戦。
$ wget https://github.com/pfnet/chainer/archive/v1.9.1.tar.gz
--2016-06-22 20:44:26-- https://github.com/pfnet/chainer/archive/v1.9.1.tar.gz
Resolving github.com... 192.30.252.122
Connecting to github.com|192.30.252.122|:443... connected.
HTTP request sent, awaiting response... 302 Found
Location: https://codeload.github.com/pfnet/chainer/tar.gz/v1.9.1 [following]
--2016-06-22 20:44:27-- https://codeload.github.com/pfnet/chainer/tar.gz/v1.9.1
Resolving codeload.github.com... 192.30.253.120
Connecting to codeload.github.com|192.30.253.120|:443... connected.
HTTP request sent, awaiting response... 200 OK
Length: unspecified [application/x-gzip]
Saving to: ‘v1.9.1.tar.gz’
v1.9.1.tar.gz [ <=> ] 1.80M 622KB/s in 3.0s
2016-06-22 20:44:31 (622 KB/s) - ‘v1.9.1.tar.gz’ saved [1893254]
ダウンロードが済んだら、圧縮ファイルを展開。
$ tar xzf v1.9.1.tar.gz
で実行してみる。
$ python3 chainer-1.9.1/examples/mnist/train_mnist.py
GPU: -1
# unit: 1000
# Minibatch-size: 100
# epoch: 20
Network type: simple
load MNIST dataset
Downloading train-images-idx3-ubyte.gz...
Done
Downloading train-labels-idx1-ubyte.gz...
Done
Downloading t10k-images-idx3-ubyte.gz...
Done
Downloading t10k-labels-idx1-ubyte.gz...
Done
Converting training data...
Done
Converting test data...
Done
Save output...
Done
Convert completed
epoch 1
graph generated
train mean loss=0.19060514808942874, accuracy=0.9417666694770257, throughput=4271.602999064454 images/sec
test mean loss=0.087592640517978, accuracy=0.9728000050783158
epoch 2
train mean loss=0.0738531613512896, accuracy=0.9769333433111509, throughput=3953.7409389202767 images/sec
test mean loss=0.07370956073747947, accuracy=0.9775000071525574
epoch 3
train mean loss=0.04970679437314781, accuracy=0.9846500095725059, throughput=3811.6873914039775 images/sec
test mean loss=0.0637695388092834, accuracy=0.9800000065565109
epoch 4
train mean loss=0.03488761224221283, accuracy=0.9886000087857246, throughput=3692.2595329471765 images/sec
test mean loss=0.07119732037186623, accuracy=0.9786000061035156
epoch 5
train mean loss=0.028896143916257035, accuracy=0.9905666745702426, throughput=3695.4207240808023 images/sec
test mean loss=0.07256504680110083, accuracy=0.9788000077009201
epoch 6
train mean loss=0.02374378211319102, accuracy=0.9921833403905232, throughput=3583.3320328487594 images/sec
test mean loss=0.10043191654083784, accuracy=0.9744000059366226
epoch 7
train mean loss=0.020924357878029695, accuracy=0.992866672972838, throughput=3592.6140728613955 images/sec
test mean loss=0.06807603047812108, accuracy=0.9835000067949295
epoch 8
train mean loss=0.017630842202852364, accuracy=0.9942500052849451, throughput=3537.208209028512 images/sec
test mean loss=0.08859721799534782, accuracy=0.9785000056028366
epoch 9
train mean loss=0.018209161819856188, accuracy=0.9943000053366026, throughput=3460.3185817121116 images/sec
test mean loss=0.08362272959568146, accuracy=0.980100005865097
epoch 10
train mean loss=0.013510788094675567, accuracy=0.9956166708469391, throughput=3414.213791867741 images/sec
test mean loss=0.09247089847276073, accuracy=0.9814000064134598
epoch 11
train mean loss=0.013009410188321151, accuracy=0.9958500039577484, throughput=3326.4933053556624 images/sec
test mean loss=0.09212554091344487, accuracy=0.9791000074148178
epoch 12
train mean loss=0.013966237730543677, accuracy=0.9955333373943964, throughput=3213.203793557963 images/sec
test mean loss=0.07512530633225424, accuracy=0.9832000082731247
epoch 13
train mean loss=0.011328027055885741, accuracy=0.9966166697939237, throughput=3143.6668155565453 images/sec
test mean loss=0.11614390091075905, accuracy=0.9787000072002411
epoch 14
train mean loss=0.011522313533887427, accuracy=0.9965333365400633, throughput=3069.061238992809 images/sec
test mean loss=0.10542018069097821, accuracy=0.9778000056743622
epoch 15
train mean loss=0.014500913300751487, accuracy=0.9957000040014585, throughput=2994.8600530405492 images/sec
test mean loss=0.10059675336371895, accuracy=0.9800000071525574
epoch 16
train mean loss=0.0079077750227475, accuracy=0.9975333355863889, throughput=2914.1439322729966 images/sec
test mean loss=0.08044841805511829, accuracy=0.9852000093460083
epoch 17
train mean loss=0.006486849701715869, accuracy=0.9980333352088928, throughput=2828.4838384387863 images/sec
test mean loss=0.10793283259050049, accuracy=0.9788000065088273
epoch 18
train mean loss=0.0125344805511196, accuracy=0.9963000035285949, throughput=2795.0638334358655 images/sec
test mean loss=0.10538647441120699, accuracy=0.9828000074625015
epoch 19
train mean loss=0.009864346119461895, accuracy=0.9970833361148834, throughput=2750.219816402364 images/sec
test mean loss=0.12158339534574539, accuracy=0.9794000047445297
epoch 20
train mean loss=0.012885340018372063, accuracy=0.9962166701753934, throughput=2738.190540420163 images/sec
test mean loss=0.0986378959132702, accuracy=0.982900008559227
save the model
save the optimizer
初期設定では、GPUは使用しないモードになっているらしい。
稼働中はメモリ使用量はあまり変化ないけれど、CPU負荷率は100%近い状態になっていた。
GPUを稼働させてみたいなあ。。。
2016年6月17日金曜日
[Hackintosh] ASUS H110I-PLUS / NVIDIA GTX970 で夢を見た [Skylake]
ということで、忘れないうちに、夢の続きの話をしようか……。
用意したもの。
・8Gb以上のUSBメモリ(16Gb以上のUSB2.0が成功しやすいそうだ。)
・UniBeast
・MultiBeast
・KextBeast
・Clover Configurator
1.UniBeastでインストールディスクを作る。
選択するのは、El Capitan、UEFI Boot Modeのみ。
グラフィックオプションには手を触れてはいけない。
2.UniBeastで作ったインストールUSBからブートする。
インストーラーが立ち上がらない場合は、BIOSの設定に不具合が出ている。
インストーラーが途中でカーネルパニックを起こした時は、シリアルポートを止めたら回避できた。
3.インストール設定が終わったら、再起動がかかる。
この時の再起動は、必ずUSBメモリから起動し、OSXをインストールしたHDD/SDDを選択して、インストールを継続する。
4.一通りインストール設定が終わったら、MultiBeastを立ち上げる。
MultiBeastの設定は次の通り。
ポイントはグラフィックカードの設定についてはいじらないことだ。
すでに不完全な状況(HD530を誤認識していた)ではあるものの、NVIDIA GTX970は稼働しているので、あとでNVIDIAから適切なドライバをダウンロードし、インストールすれば良い。
4.シリアルナンバーをメモする
※自分のマシンの時は必要なかった。念のため。
Clover Configuratorを立ち上げる。
EFIドライブをマウントし、CLOVERディレクトリ内にあるconfig.plistを開く。
SMBIOSのなかにあるシリアルナンバーをメモっておく。
5.KextBeastをクリックして、インストール作業を行う。
インストール先は、/Library/Extensions を選択する。
インストール作業が終わったら削除して良い。
6.「このMacについて」で搭載メモリが正しく認識されていない場合。
Clover Configuratorを立ち上げる。
EFIドライブをマウントし、CLOVERディレクトリ内にあるconfig.plistを開く。
テキストエディターを使い、Memoryの設定項目に次のように情報を書き込んだ。
Size、Frequencyは搭載メモリの仕様をあらかじめ調べておくこと。
※張った後で気づいたが、ウチの環境だとSlotCountは2が正しい。
実害はないから構わないんだが。
保存して終了する。
7.USBを抜き、HDD/SDDから再起動する。
8.NVIDIAのサイトへ行き、適切なグラフィックドライバをインストールする。
9.オーディオデバイスについて
もともとUnix、Linuxでオンボードオーディオデバイスを認識させることは難しい。
かつて自分もなんども敗退したところ。
今回もネットワークデバイスは1発で認識したのに、オーディオデバイスは認識しなかった。
対応方法を調べるのがめんどくさくて、USBオーディオ変換アダプタを買ったら一発で認識した。
僕が買ったのは「iitrust USB オーディオ 変換アダプタ」というヤツで、1000円もしない安物だけど、問題なく稼働。オーディオデバイスを認識しないと、動画ファイルなどが開けないので、結構重要なポイント。
いい夢を見ました。
ほんとうに、いい夢でした。
用意したもの。
・8Gb以上のUSBメモリ(16Gb以上のUSB2.0が成功しやすいそうだ。)
・UniBeast
・MultiBeast
・KextBeast
・Clover Configurator
1.UniBeastでインストールディスクを作る。
選択するのは、El Capitan、UEFI Boot Modeのみ。
グラフィックオプションには手を触れてはいけない。
2.UniBeastで作ったインストールUSBからブートする。
インストーラーが立ち上がらない場合は、BIOSの設定に不具合が出ている。
インストーラーが途中でカーネルパニックを起こした時は、シリアルポートを止めたら回避できた。
3.インストール設定が終わったら、再起動がかかる。
この時の再起動は、必ずUSBメモリから起動し、OSXをインストールしたHDD/SDDを選択して、インストールを継続する。
4.一通りインストール設定が終わったら、MultiBeastを立ち上げる。
MultiBeastの設定は次の通り。
ポイントはグラフィックカードの設定についてはいじらないことだ。
すでに不完全な状況(HD530を誤認識していた)ではあるものの、NVIDIA GTX970は稼働しているので、あとでNVIDIAから適切なドライバをダウンロードし、インストールすれば良い。
4.シリアルナンバーをメモする
※自分のマシンの時は必要なかった。念のため。
Clover Configuratorを立ち上げる。
EFIドライブをマウントし、CLOVERディレクトリ内にあるconfig.plistを開く。
SMBIOSのなかにあるシリアルナンバーをメモっておく。
5.KextBeastをクリックして、インストール作業を行う。
インストール先は、/Library/Extensions を選択する。
インストール作業が終わったら削除して良い。
6.「このMacについて」で搭載メモリが正しく認識されていない場合。
Clover Configuratorを立ち上げる。
EFIドライブをマウントし、CLOVERディレクトリ内にあるconfig.plistを開く。
テキストエディターを使い、Memoryの設定項目に次のように情報を書き込んだ。
Size、Frequencyは搭載メモリの仕様をあらかじめ調べておくこと。
※張った後で気づいたが、ウチの環境だとSlotCountは2が正しい。
実害はないから構わないんだが。
保存して終了する。
7.USBを抜き、HDD/SDDから再起動する。
8.NVIDIAのサイトへ行き、適切なグラフィックドライバをインストールする。
9.オーディオデバイスについて
もともとUnix、Linuxでオンボードオーディオデバイスを認識させることは難しい。
かつて自分もなんども敗退したところ。
今回もネットワークデバイスは1発で認識したのに、オーディオデバイスは認識しなかった。
対応方法を調べるのがめんどくさくて、USBオーディオ変換アダプタを買ったら一発で認識した。
僕が買ったのは「iitrust USB オーディオ 変換アダプタ」というヤツで、1000円もしない安物だけど、問題なく稼働。オーディオデバイスを認識しないと、動画ファイルなどが開けないので、結構重要なポイント。
いい夢を見ました。
ほんとうに、いい夢でした。
2016年6月16日木曜日
[Hackintosh] ASUS H110I-PLUS / NVIDIA GTX970 のBIOS設定 [Skylake]
問題のBIOS設定で見た夢を残しておきます。
これが正解かどうかはわかりませんが、少なくともこれで動いている夢は見れるということです。
項目が多いところはDefaultなど表記を端折っています。
要はなにも触っていないよと考えてくださいな。
あと本当に肝だったのは、
Graphics Configuration
Primary Display:Auto
iGPU Multi-Monitor:Enabled
というところでした。
NVIDIAを使うので殺しておくべき項目かと思ったのですが、ここをEnabledにしておくことで、とりあえずHD530で表示ができたり、最終的にNVIDIA GTX970の設定ができたりしました。
僕はNVIDIAの稼働を目指している時に、Primary DisplayをHD530やGraphic board固定などにしてしまったため、はまっていたのだと思います。
ここはAutoが正解のようです。
===========================================
Motherboad:ASUS H110I-PLUS BIOS Ver.0412
CPU:Core i5-6600 @3.30GHz
Memory:16384MB (DDR4 2133MHz)
SATA 6G_1:SanDisk UitraII 480GB(480.1G)
SATA 6G_2:TOSHIBA DT01ABA100V(1000.2GB)
CPU Core Ratio:Auto
DRAM Odd Ratio Mode:Enabled
DRAM Frequency:Auto
EPU Power Saving Mode:Disabled
CPU SVID Support:Auto
DRAM Timing Contral:all Default (No Touch)
DIGI+VRM:all Default (No Touch)
Internal CPU Power Management:all Default (No Touch)
DRAM REF Voltage Control:all Default (No Touch)
CPU Configuration:all Default (No Touch)
CPU Power Management Configuration:all Default (No Touch)
Platform Misc Configuration:all Disabled
System Agent(SA) Configuration
VT-d:Disabled
Graphics Configuration
Primary Display:Auto
iGPU Multi-Monitor:Enabled
RC6(Render Standby):Enabled
DVMT Pre-Allocated:128M
DMI/OPI Configuration:Auto
PEG Port Configuration:Auto
Memory Configuration:Enabled
PCH Configuration:Enabled
PCH Strage Configuration:all Default (No Touch)
USB Configuration
Legacy USB Support:Enabled
XHCI Hand-off:Enabled
USB Single Port Control:all Default (No Touch)
Onboard Devices Configuration
HD Audio Controller:Enable
Front Panel Type:HD Audio
DVI Port Audio:Disabled
Realtek LAN Controller:On
Realtek PXE OPROM:On
Charging USB devices in Power State S5:Disabled
Serial Port Configuration:Off
APM Configuration
ErP Ready:Enable(S4+S5)
Restore AC Power Loss:Power Off
Power On By PCI-E:Disabled
Power On By Ring:Disabled
Power On By RTC:Disabled
Network Stack Configuration:all Default (No Touch)
SSD SMART Information:all Default (No Touch)
Boot:all Default (No Touch)
これが正解かどうかはわかりませんが、少なくともこれで動いている夢は見れるということです。
項目が多いところはDefaultなど表記を端折っています。
要はなにも触っていないよと考えてくださいな。
あと本当に肝だったのは、
Graphics Configuration
Primary Display:Auto
iGPU Multi-Monitor:Enabled
というところでした。
NVIDIAを使うので殺しておくべき項目かと思ったのですが、ここをEnabledにしておくことで、とりあえずHD530で表示ができたり、最終的にNVIDIA GTX970の設定ができたりしました。
僕はNVIDIAの稼働を目指している時に、Primary DisplayをHD530やGraphic board固定などにしてしまったため、はまっていたのだと思います。
ここはAutoが正解のようです。
===========================================
Motherboad:ASUS H110I-PLUS BIOS Ver.0412
CPU:Core i5-6600 @3.30GHz
Memory:16384MB (DDR4 2133MHz)
SATA 6G_1:SanDisk UitraII 480GB(480.1G)
SATA 6G_2:TOSHIBA DT01ABA100V(1000.2GB)
CPU Core Ratio:Auto
DRAM Odd Ratio Mode:Enabled
DRAM Frequency:Auto
EPU Power Saving Mode:Disabled
CPU SVID Support:Auto
DRAM Timing Contral:all Default (No Touch)
DIGI+VRM:all Default (No Touch)
Internal CPU Power Management:all Default (No Touch)
DRAM REF Voltage Control:all Default (No Touch)
CPU Configuration:all Default (No Touch)
CPU Power Management Configuration:all Default (No Touch)
Platform Misc Configuration:all Disabled
System Agent(SA) Configuration
VT-d:Disabled
Graphics Configuration
Primary Display:Auto
iGPU Multi-Monitor:Enabled
RC6(Render Standby):Enabled
DVMT Pre-Allocated:128M
DMI/OPI Configuration:Auto
PEG Port Configuration:Auto
Memory Configuration:Enabled
PCH Configuration:Enabled
PCH Strage Configuration:all Default (No Touch)
USB Configuration
Legacy USB Support:Enabled
XHCI Hand-off:Enabled
USB Single Port Control:all Default (No Touch)
Onboard Devices Configuration
HD Audio Controller:Enable
Front Panel Type:HD Audio
DVI Port Audio:Disabled
Realtek LAN Controller:On
Realtek PXE OPROM:On
Charging USB devices in Power State S5:Disabled
Serial Port Configuration:Off
APM Configuration
ErP Ready:Enable(S4+S5)
Restore AC Power Loss:Power Off
Power On By PCI-E:Disabled
Power On By Ring:Disabled
Power On By RTC:Disabled
Network Stack Configuration:all Default (No Touch)
SSD SMART Information:all Default (No Touch)
Boot:all Default (No Touch)
さらに深い夢を見た……Hackintosh
ackintoshを作る上で、肝とされているのはマザーボード選びと言われてますが、僕の場合、手持ちの機材でなんとかしなきゃならない状況でした。
まあ、夢の話ですから、ダメな時はダメと割り切ってましたが。
成功したいならば、GIGABYTEのマザーボードを使うべきだそうですが、僕の手持ちはASUS。
しかもCPUがSkylakeという、わりと大変な組み合わせ。
幸いにも、El Capitanが10.11.4以降、Skylakeに対応したため、ハードルはものすごく下がっていたのはラッキーでした。
最初はインストーラー画面すら行き着かず。
その後は、インストーラーのリンゴのマークが出ても、プログレスバーが途中で止まったり、最終リブート後に画面が表示されなかったりと、なかなか悪夢を見ました。
最終的にわかったのは、BIOSの設定が問題だった。
Unibeastの設定が問題だった。
NVIDIA GTX970の設定タイミングが問題だった。
の3つが組み合わさって、問題が複雑化していたのでした。
まあ、夢の話ですから、ダメな時はダメと割り切ってましたが。
成功したいならば、GIGABYTEのマザーボードを使うべきだそうですが、僕の手持ちはASUS。
しかもCPUがSkylakeという、わりと大変な組み合わせ。
幸いにも、El Capitanが10.11.4以降、Skylakeに対応したため、ハードルはものすごく下がっていたのはラッキーでした。
最初はインストーラー画面すら行き着かず。
その後は、インストーラーのリンゴのマークが出ても、プログレスバーが途中で止まったり、最終リブート後に画面が表示されなかったりと、なかなか悪夢を見ました。
最終的にわかったのは、BIOSの設定が問題だった。
Unibeastの設定が問題だった。
NVIDIA GTX970の設定タイミングが問題だった。
の3つが組み合わさって、問題が複雑化していたのでした。
2016年6月15日水曜日
[Success][Skylake] ASUS H110I-PLUS / NVIDIA GTX970 [hackintosh]
ここしばらく、がんばって挑戦していました。
Onboard Audioは認識させるのが難しかったので、USBオーディオ変換アダプタで対応してしまおうと思ってます。
Skylake、ASUS H110I-PLUSでの成功報告は、他で見かけたことがありません。
でも、サウンド以外はパーフェクトな感じで動いていますよ。
Hackintoshは、なかなかすごい夢でした。。。。
夢の内容は、また別の機会に。
Onboard Audioは認識させるのが難しかったので、USBオーディオ変換アダプタで対応してしまおうと思ってます。
Skylake、ASUS H110I-PLUSでの成功報告は、他で見かけたことがありません。
でも、サウンド以外はパーフェクトな感じで動いていますよ。
Hackintoshは、なかなかすごい夢でした。。。。
夢の内容は、また別の機会に。
2016年6月12日日曜日
窓の国と、美しい渓谷を行き来する……という夢を見た
Windows向けキーボードをMac OS Xで使う場合の夢。
キーボードの設定は、キーボード設定アシスタントから行うよ。
2度繰り返すと良いらしい。
Macキーボードのように、「英数」「かな」「Command」「Option」キーは変更したい。
その時は、Seilというツールを使うと良いんだ。
設定画面で上の段の一番下のFor Japaneseの3つをチェック
3つの一番下のEnable KATAKANA Key on PC KeybordのKeycodeを「104」に修正するよ。
この設定で、キーは次の割り付けになる。
Windowsキー = Command
Altキー = Option・Alt
無変換キー = 英数
変換キー、カタカナひらがなキー = かな
Ctrlも入れ替え可能らしいけど、僕は混乱しそうなのでやめた。
ホットキーを変更した夢も見た……。
C:\Users\誰かさん\AppData\Roaming\VMware\preference.ini で呪文を唱えた。
pref.hotkey.shift = "true"
pref.hotkey.control = "true"
pref.hotkey.alt = "false"
pref.hotkey.gui = "false"
これは、VMwaerゲストOSから、ホストOSへ戻るホットキーがあるのだけど、Windowsホストの場合は、Ctrl+Altなんだ。
僕の夢では、これをCtrl+Shiftに変更したんだよ。
これは好みの問題かもね。
それ以外に見たショートカットの夢……。
Windows10の仮想デスクトップを移動する : Ctrl+Windows+ ←→
ホストOSにフォーカスを変更する : Ctrl+Shift
VMwareを全画面表示にする(全画面表示を解く) : Ctrl+Shift+Enter
これを組み合わせて運用すると、こんな感じになる。
仮想デスクトップ1でWindowsを運用。
仮想デスクトップ2でどこかのEl Capitanが運用されている。
美しい渓谷を眺めに行くときは、Ctrl+Windows+ →
窓の国へ戻ってくるときは、一度Ctrl+Shift、そのあとにCtrl+Windows+ ←。
あ～、いい夢を見た。
キーボードの設定は、キーボード設定アシスタントから行うよ。
2度繰り返すと良いらしい。
Macキーボードのように、「英数」「かな」「Command」「Option」キーは変更したい。
その時は、Seilというツールを使うと良いんだ。
設定画面で上の段の一番下のFor Japaneseの3つをチェック
3つの一番下のEnable KATAKANA Key on PC KeybordのKeycodeを「104」に修正するよ。
この設定で、キーは次の割り付けになる。
Windowsキー = Command
Altキー = Option・Alt
無変換キー = 英数
変換キー、カタカナひらがなキー = かな
Ctrlも入れ替え可能らしいけど、僕は混乱しそうなのでやめた。
ホットキーを変更した夢も見た……。
C:\Users\誰かさん\AppData\Roaming\VMware\preference.ini で呪文を唱えた。
pref.hotkey.shift = "true"
pref.hotkey.control = "true"
pref.hotkey.alt = "false"
pref.hotkey.gui = "false"
これは、VMwaerゲストOSから、ホストOSへ戻るホットキーがあるのだけど、Windowsホストの場合は、Ctrl+Altなんだ。
僕の夢では、これをCtrl+Shiftに変更したんだよ。
これは好みの問題かもね。
それ以外に見たショートカットの夢……。
Windows10の仮想デスクトップを移動する : Ctrl+Windows+ ←→
ホストOSにフォーカスを変更する : Ctrl+Shift
VMwareを全画面表示にする(全画面表示を解く) : Ctrl+Shift+Enter
これを組み合わせて運用すると、こんな感じになる。
仮想デスクトップ1でWindowsを運用。
仮想デスクトップ2でどこかのEl Capitanが運用されている。
美しい渓谷を眺めに行くときは、Ctrl+Windows+ →
窓の国へ戻ってくるときは、一度Ctrl+Shift、そのあとにCtrl+Windows+ ←。
あ～、いい夢を見た。
2016年6月11日土曜日
迷路のトラップに注意して進むんだよ……という夢を見た
火を入れて待っていると、そのうち食いかけの林檎があらわれるよ。
「覚悟」を問われたら、素直に「Yes!」と返答するんだ。
間違っても「のばら」とか言っちゃいけない。
OS Xインストールっていう画面が現れるよ。
戸惑うよね。
インストール先がないんだから。
僕もすごく悩んだよ。
そんな時は天井を見上げるんだ。
「ユーティリティ」という小部屋に「ディスクユーティリティ」という頼もしい味方がいる。
その場所にはキミが作って持ってきたディスクがいると思う。
それを選んで、過去のしがらみを消してもらうんだ。
消去の魔法が終わったら、小部屋から出ておいて。
ほら、キミの進む道が現れる。
あ～、いい夢を見た。
「覚悟」を問われたら、素直に「Yes!」と返答するんだ。
間違っても「のばら」とか言っちゃいけない。
OS Xインストールっていう画面が現れるよ。
戸惑うよね。
インストール先がないんだから。
僕もすごく悩んだよ。
そんな時は天井を見上げるんだ。
「ユーティリティ」という小部屋に「ディスクユーティリティ」という頼もしい味方がいる。
その場所にはキミが作って持ってきたディスクがいると思う。
それを選んで、過去のしがらみを消してもらうんだ。
消去の魔法が終わったら、小部屋から出ておいて。
ほら、キミの進む道が現れる。
あ～、いい夢を見た。
最初に林檎箱を作るけど、火は止めなくちゃいけない……という夢を見た
ちゃんと.isoファイルを移し替えたかい?
VMware Workstation Playerというツールを起動すると、4つのボタンが現れるよ。
まっさらな状態だからね、新規仮想マシンの作成ってのを選ぶんだよ。
そこからは指示通りに進んでゆけば良いよ。
だけど、火を入れる直前で一旦止めるんだ。
夢のスパイスで下味をつけると、おいしくなるからさ。
C:\Users\誰かさん\Documents\Virtual Machines\OS X 10.11 って場所で、OS X 10.11というファイルを探すんだ。
種類に「仮想マシン構成」と書いてあるだろう?
夢の仕様書ということかな。。。。
その仕様書の最後に、この5行の呪文を書き加えるんだ。
smc.version = "0"
keyboard.vusb.enable = "TRUE"
keyboard.vusb.idVendor = "0x0000"
keyboard.vusb.idProduct = "0x0000"
きっとキミの夢の続きに役立つはずだよ。
夢の仕様書を閉じたら、「仮想マシンを開く」を選んで、改めて火を入れよう。
あ～、いい夢を見た。
VMware Workstation Playerというツールを起動すると、4つのボタンが現れるよ。
まっさらな状態だからね、新規仮想マシンの作成ってのを選ぶんだよ。
そこからは指示通りに進んでゆけば良いよ。
だけど、火を入れる直前で一旦止めるんだ。
夢のスパイスで下味をつけると、おいしくなるからさ。
C:\Users\誰かさん\Documents\Virtual Machines\OS X 10.11 って場所で、OS X 10.11というファイルを探すんだ。
種類に「仮想マシン構成」と書いてあるだろう?
夢の仕様書ということかな。。。。
その仕様書の最後に、この5行の呪文を書き加えるんだ。
smc.version = "0"
keyboard.vusb.enable = "TRUE"
keyboard.vusb.idVendor = "0x0000"
keyboard.vusb.idProduct = "0x0000"
きっとキミの夢の続きに役立つはずだよ。
夢の仕様書を閉じたら、「仮想マシンを開く」を選んで、改めて火を入れよう。
あ～、いい夢を見た。
VMwareの鍵を開ける……という夢を見た
ある世界では、VMware Workstationというステキなツールが配られている。
僕らはプロじゃないからね、Playerで良いね。
version 12.11って語呂がいいんだか良くわからない。
気づいたら、VMware Workstation 12.11 Playerというヤツが、僕のPCにいた。
そのあとGoogle様が、Unlockerというものを教えてくれた。
手に入れた鍵束のなかに、win-installという魔法の鍵が見つかった。
「マスターとして実行」すると、呪文が流れてゆく。
これで、Playerに新しい仲間が加わるんだとか。
あ～、いい夢を見た。
僕らはプロじゃないからね、Playerで良いね。
version 12.11って語呂がいいんだか良くわからない。
気づいたら、VMware Workstation 12.11 Playerというヤツが、僕のPCにいた。
そのあとGoogle様が、Unlockerというものを教えてくれた。
手に入れた鍵束のなかに、win-installという魔法の鍵が見つかった。
「マスターとして実行」すると、呪文が流れてゆく。
これで、Playerに新しい仲間が加わるんだとか。
あ～、いい夢を見た。
OS X El Capitanのリカバリー用.isoを作る……という夢を見た
MacのOS X El Capitanが壊れてしまった場合に備えて、リカバリー用の.isoファイルを作っておこう。
Macを起動して、App Storeからダウンロードしてきます。
サイズは……すごく…大きいです。
約7.5Gくらい。
ダウンロードが終わったEl Capitanは、アプリケーションフォルダの中にいます。
Macのターミナルを起動して、不思議な呪文を唱えます。
#!/bin/bash
# Mount the installer image
hdiutil attach /Applications/Install\ OS\ X\ El\ Capitan.app/Contents/SharedSupport/InstallESD.dmg -noverify -nobrowse -mountpoint /Volumes/install_app
# Create the ElCapitan Blank ISO Image of 7316mb with a Single Partition - Apple Partition Map
hdiutil create -o /tmp/ElCapitan.cdr -size 7316m -layout SPUD -fs HFS+J
# Mount the ElCapitan Blank ISO Image
hdiutil attach /tmp/ElCapitan.cdr.dmg -noverify -nobrowse -mountpoint /Volumes/install_build
# Restore the Base System into the ElCapitan Blank ISO Image
asr restore -source /Volumes/install_app/BaseSystem.dmg -target /Volumes/install_build -noprompt -noverify -erase
# Remove Package link and replace with actual files
rm /Volumes/OS\ X\ Base\ System/System/Installation/Packages
cp -rp /Volumes/install_app/Packages /Volumes/OS\ X\ Base\ System/System/Installation/
# Copy El Capitan installer dependencies
cp -rp /Volumes/install_app/BaseSystem.chunklist /Volumes/OS\ X\ Base\ System/BaseSystem.chunklist
cp -rp /Volumes/install_app/BaseSystem.dmg /Volumes/OS\ X\ Base\ System/BaseSystem.dmg
# Unmount the installer image
hdiutil detach /Volumes/install_app
# Unmount the ElCapitan ISO Image
hdiutil detach /Volumes/OS\ X\ Base\ System/
# Convert the ElCapitan ISO Image to ISO/CD master (Optional)
hdiutil convert /tmp/ElCapitan.cdr.dmg -format UDTO -o /tmp/ElCapitan.iso
# Rename the ElCapitan ISO Image and move it to the desktop
mv /tmp/ElCapitan.iso.cdr ~/Desktop/ElCapitan.iso
デスクトップにElCapitan.isoが現れたよ、母さん。
じゃあ、これをUSBメモリにコピーしたらいいね。
あ～、いい夢を見た。
Macを起動して、App Storeからダウンロードしてきます。
サイズは……すごく…大きいです。
約7.5Gくらい。
ダウンロードが終わったEl Capitanは、アプリケーションフォルダの中にいます。
Macのターミナルを起動して、不思議な呪文を唱えます。
#!/bin/bash
# Mount the installer image
hdiutil attach /Applications/Install\ OS\ X\ El\ Capitan.app/Contents/SharedSupport/InstallESD.dmg -noverify -nobrowse -mountpoint /Volumes/install_app
# Create the ElCapitan Blank ISO Image of 7316mb with a Single Partition - Apple Partition Map
hdiutil create -o /tmp/ElCapitan.cdr -size 7316m -layout SPUD -fs HFS+J
# Mount the ElCapitan Blank ISO Image
hdiutil attach /tmp/ElCapitan.cdr.dmg -noverify -nobrowse -mountpoint /Volumes/install_build
# Restore the Base System into the ElCapitan Blank ISO Image
asr restore -source /Volumes/install_app/BaseSystem.dmg -target /Volumes/install_build -noprompt -noverify -erase
# Remove Package link and replace with actual files
rm /Volumes/OS\ X\ Base\ System/System/Installation/Packages
cp -rp /Volumes/install_app/Packages /Volumes/OS\ X\ Base\ System/System/Installation/
# Copy El Capitan installer dependencies
cp -rp /Volumes/install_app/BaseSystem.chunklist /Volumes/OS\ X\ Base\ System/BaseSystem.chunklist
cp -rp /Volumes/install_app/BaseSystem.dmg /Volumes/OS\ X\ Base\ System/BaseSystem.dmg
# Unmount the installer image
hdiutil detach /Volumes/install_app
# Unmount the ElCapitan ISO Image
hdiutil detach /Volumes/OS\ X\ Base\ System/
# Convert the ElCapitan ISO Image to ISO/CD master (Optional)
hdiutil convert /tmp/ElCapitan.cdr.dmg -format UDTO -o /tmp/ElCapitan.iso
# Rename the ElCapitan ISO Image and move it to the desktop
mv /tmp/ElCapitan.iso.cdr ~/Desktop/ElCapitan.iso
デスクトップにElCapitan.isoが現れたよ、母さん。
じゃあ、これをUSBメモリにコピーしたらいいね。
あ～、いい夢を見た。
WindowsとMac両方で使えるUSBメモリ……という夢を見た
サイズは8G以上、最低16G以上あると幸せになれるね。
WindowsとMac両方から読み書きできるようになるには、FAT32形式でフォーマットが必要。
MacでフォーマットしたUSBメモリが、そのあとWindowsでは200MBしか認識しなくなってしまって困ってしまうことが時々あるよね。
そんな時は「SDカードフォーマッター」に頼るといい。
SDアソシエーションのサイト(https://www.sdcard.org/jp/downloads/formatter_4/)へ行って、「SD/SDHC/SDXC用SDフォーマッター」をダウンロードしてインストールする。
オプション設定で「論理サイズ調整」をONにしてフォーマットする。
やがて元通りの容量を取り戻したUSBが復活するだろう。
あ～、いい夢を見た。
WindowsとMac両方から読み書きできるようになるには、FAT32形式でフォーマットが必要。
MacでフォーマットしたUSBメモリが、そのあとWindowsでは200MBしか認識しなくなってしまって困ってしまうことが時々あるよね。
そんな時は「SDカードフォーマッター」に頼るといい。
SDアソシエーションのサイト(https://www.sdcard.org/jp/downloads/formatter_4/)へ行って、「SD/SDHC/SDXC用SDフォーマッター」をダウンロードしてインストールする。
オプション設定で「論理サイズ調整」をONにしてフォーマットする。
やがて元通りの容量を取り戻したUSBが復活するだろう。
あ～、いい夢を見た。
2016年6月10日金曜日
あれ? Google AdSenseが有効になっている??
最近だと6ヶ月経たないとBloggerでAdSenseが有効にならないと言われていたが。。。
気づいたら今日から有効になってる。
ブログ開設から1ヶ月でAdSenseが認められたということか。
ありがたや～(^o^)丿
気づいたら今日から有効になってる。
ブログ開設から1ヶ月でAdSenseが認められたということか。
ありがたや～(^o^)丿
ただいま遊び用PCのセットアップ中
結局Windows10 ProfessionalベースのPCにすることにした。
Linuxはいろいろとディストリビューションを探してみたが、GUIのデザインがいかんかった。
長時間触っていたいという気持ちになれなかった。
CUIでサーバ用途には改めて考えてみたいと思う。
で、Vmwareで、これからごちょごちょインストール作業をする。
下準備作業がMacBook Proで進行中……。
Linuxはいろいろとディストリビューションを探してみたが、GUIのデザインがいかんかった。
長時間触っていたいという気持ちになれなかった。
CUIでサーバ用途には改めて考えてみたいと思う。
で、Vmwareで、これからごちょごちょインストール作業をする。
下準備作業がMacBook Proで進行中……。
登録:
投稿 (Atom)