スマホ買い替え

スマートフォンAQUOS Sense 2 SH-01Lから、AQUOS Sense 6 SH-54Bに買い替えた。旧スマホの利用期間は2年10か月ほど。電池が少しへたってきたことと、自宅が5Gエリアになったため、5G回線にしたかった、ぐらいが理由。

以下、買い替えメモ。

  • 初めて、オンラインショップを使ってみた。4Gから、5Gへの切り替えは、ホームーページからすぐできて、簡単だった。simカードが代わると勘違いしていたけど、これまで使っていたものをそのまま新しいスマホに入れたら問題なく利用できた。
  • アプリとデータの引継ぎに関して、新旧のスマホを最初にUSBケーブルにつなぐと自動的にこれまで使っていたアプリをインストールしてくれた。新しいスマホに、USB Type-AとType-Cの変換器がついてくるので、これまで充電やPCとの接続に利用しているUSBケーブルがあれば、問題ない。
  • また、Google認証は一括移行ができるようになっていて、20件くらいの認証先の移行が旧側で表示したQRコード4つを新側で撮るだけで移行できた。非常に簡単で、認証先ごとにちまちまGoogle認証登録を変更する必要がなく、楽ちんだった。
  • オンラインショップで購入したものの、スマホのフロント面をガラスコーティングしたくて、物理ショップ受け取りにした。しかしながら、これがちょっと失敗で、物理ショップの来店予約しようとしたら1週間ぐらいは予約がいっぱいで取れない。4月だからかもしれないけど、今物理ショップは予約がとれない。オンラインショップ購入のスマホ受け取りだけだと予約不要なので、予約なしで物理ショップに突撃。案の定、「予約はありますか?」と聞かれて事情を説明すると、キャンセル待ち扱いで待つことに。40分くらい待って、担当の店員さんが回ってきた。ガラスコーティングもやりますよ、とのことだったので、実費はらってやってもらった。いまは街中にガラスコーティング屋さんがあるようなので、そっちを使おうかとも思っていたものの、今回はスマホショップで対応してもらった。

日本「半導体」敗戦

読了。1980年代をピークに、なぜ日本の半導体産業が凋落したかがわかる良書。技術者が個別最適化して、コスト重視の顧客ニーズに鈍感だったことが書いてある。

ほかの業界でも十分に参考になると思いました。

Kindle版で読んだのですが、元の書籍が2009年出版なので、エルピーダメモリはまだ倒産していませんが、コスト競争に勝てなかった理由はわかります。

TeX Live 2021のインストール

久しぶりにLaTeXを触っていて、図形ファイルを取り込めないことに気が付いた。

D:\Users\hoge\Documents\work\PoI>platex PoIJ
This is e-pTeX, Version 3.14159265-p3.8.3-191112-2.6 (utf8.sjis) (TeX Live 2020/W32TeX) (preloaded format=platex)
 restricted \write18 enabled.
entering extended mode
(./PoIJ.tex(guessed encoding: UTF-8 = utf8)
pLaTeX2e <2020-04-12> (based on LaTeX2e <2020-02-02> patch level 5)
L3 programming layer <2020-04-06>
(d:/w32tex/share/texmf-dist/tex/platex/jsclasses/jsarticle.cls(guessed encoding: UTF-8 = utf8)
Document Class: jsarticle 2020/02/02 jsclasses (okumura, texjporg)
(d:/w32tex/share/texmf-dist/tex/platex/jsclasses/jslogo.sty))

! LaTeX Error: File `graphicx.sty' not found.

Type X to quit or <RETURN> to proceed,
or enter new name. (Default extension: sty)

Enter file name:

! LaTeX Error: Unknown option `dvipdfmx' for package `graphicx'.

See the LaTeX manual or LaTeX Companion for explanation.
Type  H <return>  for immediate help.

graphicx.styをインストールすればいいのだが、上手くいかず、そもそもW32TeXが配布終了になっていたので、TeX Live 2021をインストールすることにした。

1年半前に、Windows 10 にTeXをインストールした際は、ものすごく苦労したのだが、

guppi524.hatenablog.jp

今日、TeX Live 2021をisoファイルからインストールしたら、ものすごく簡単だった。

以下、参考にした明治大学の手順書。ものすごく簡単。

https://www.meiji.ac.jp/isys/doc/seminar/TeX_install.pdf

あの時の苦労はいったい何だったのだろうか・・・。

図形ファイルも取り込めることができて、めでたしめでたし。

PyTorchのインストール(1.9.1 Windows版)

これまでKeras/Tensorflowしか触っていなかったのだが、Kaggle等をみてるいるとPyTorchも少しわかっていたほうがよいと思い、家のPCにPyTorchをインストールした。

pytorch.org

最初に、condaとpipとどちらでインストールするか悩む。一応、家のPC環境はcondaベースなのだが、Keras/Tensorflowなどcondaでは最新が入れられず、pipでインストールしているので混在環境になっている。

guppi524.hatenablog.jpで書いているとおり、このPCにはCUDA 11.4がすでにインストールされているので、 stackoverflow.com

あたりをみつつ、pipでインストールすることとした。

(base) D:\Users\hoge>pip3 install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio===0.9.1 -f https://download.pytorch.org/whl/torch_stable.html
Looking in links: https://download.pytorch.org/whl/torch_stable.html
Collecting torch==1.9.1+cu111
  Downloading https://download.pytorch.org/whl/cu111/torch-1.9.1%2Bcu111-cp38-cp38-win_amd64.whl (3128.1 MB)
     |████████████████████████████████| 3128.1 MB 190 bytes/s
Requirement already satisfied: typing-extensions in d:\users\tkonishi\miniconda3\lib\site-packages (from torch==1.9.1+cu111) (3.10.0.2)
Collecting torchaudio===0.9.1
  Downloading https://download.pytorch.org/whl/torchaudio-0.9.1-cp38-cp38-win_amd64.whl (216 kB)
     |████████████████████████████████| 216 kB 1.7 MB/s
Collecting torchvision==0.10.1+cu111
  Downloading https://download.pytorch.org/whl/cu111/torchvision-0.10.1%2Bcu111-cp38-cp38-win_amd64.whl (2.5 MB)
     |████████████████████████████████| 2.5 MB 3.2 MB/s
Requirement already satisfied: numpy in d:\users\tkonishi\miniconda3\lib\site-packages (from torchvision==0.10.1+cu111) (1.19.5)
Requirement already satisfied: pillow>=5.3.0 in d:\users\tkonishi\miniconda3\lib\site-packages (from torchvision==0.10.1+cu111) (8.0.1)
Installing collected packages: torch, torchvision, torchaudio
Successfully installed torch-1.9.1+cu111 torchaudio-0.9.1 torchvision-0.10.1+cu111

インストールパッケージの大きさは3GBくらい。家のネット環境だとそこそこ時間がかかった。

(base) D:\Users\hoge>conda list | grep torch
torch                     1.9.1+cu111              pypi_0    pypi
torchaudio                0.9.1                    pypi_0    pypi
torchvision               0.10.1+cu111             pypi_0    pypi
(base) D:\Users\hoge>python
Python 3.8.5 (default, Sep  3 2020, 21:29:08) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.cuda.is_available()
True
>>> quit()

GPUも使えそう。

以下の本を買ったので、しばらく勉強してみる予定です。

www.amazon.co.jp

  • 追記

上の本の序章のnotebookを動かすのに、

pip install japanize_matplotlib
pip install torchsummary
pip install torchviz

が必要でした。

Tensorflow のアップデート(2.4.1 -> 2.6.0)

家のPCのTensorflowを2.4.1から2.6.0にアップデートした。

手順は、ほぼ前回どおり。

guppi524.hatenablog.jp

今回も、いつものごとく、下記のサイトの手順にお世話になる。ありがとうございます。

www.kkaneko.jp

インストールしたツールは、

  • CUDA 11.4 Update2
  • cuDNN 8.2.4
  • Tensorflow 2.6.0 (pipパッケージ)
    • Keras 2.6.0 (Tensorflow pipパッケージ組み込み)

Tensorflow 2.6.0から、kerasが統合されているっぽい

newreleases.io

github.com

なので、

pip install tensorflow

とすると、kerasも一緒にインストールされた。

Successfully installed clang-5.0 gast-0.4.0 grpcio-1.40.0 h5py-3.1.0 keras-2.6.0 tensorboard-2.6.0 tensorboard-data-server-0.6.1 tensorflow-2.6.0 tensorflow-estimator-2.6.0

動作自体は何事もなく動いたが、kerasのパッケージングまわりが変わっていると思われるため、下記の2つのインポートでエラーがでた。

from keras.optimizers import SGD
from keras.utils import plot_model

で、

from tensorflow.keras.optimizers import SGD
from tensorflow.keras.utils import plot_model

問題なく動作することを確認。

学習(model.fit)の速度は、2.4.1のときとそれほど変わらない感じでした。CIFAR-10 画像分類10エポックの学習時間は、以下のとおり。

2.6.0: 実行時間:125.13618564605713[秒]
2.4.1: 実行時間:128.62278509140015[秒]

ベンチマークに使用したモデルはこちら。 github.com

TensorflowでGPUを使うときと使わないときの速度比較

Tensorflow 2.6がリリースされているので、アップデートしようとしている。

前回のアップデート

guppi524.hatenablog.jp

の時に、GPUを使っても速度が速くならないのでは?みたいなことを言っていたのだが、あらためてCIFAR-10の画像分類でGPU使用と不使用の学習速度を比較してみた。

  • GPU使用: 実行時間:128.62278509140015[秒]
  • GPU不使用: 実行時間:1797.800853729248[秒]

14倍も違うじゃん。過去の自分がいかに適当でいい加減なことを言ってしまっていて反省。

ちなみにnvidia-smi -l 1でみるとGPU使用時のGPU使用率は95~96%くらいで推移しておりました。

ベンチマークに使用したモデルはこちら。 github.com