Pertama-tama, untuk melakukan pembelajaran mesin dan pembelajaran mendalam pada kumpulan data apa pun, perangkat lunak/program memerlukan sistem komputer yang cukup kuat untuk menangani daya komputasi yang diperlukan. Jadi yang berikut ini diperlukan:
- Unit Pemrosesan Pusat (CPU) — Prosesor Intel Core i5 Generasi ke-6 atau lebih tinggi. Prosesor setara AMD juga akan optimal.
- RAM— Minimal 8 GB, disarankan 16 GB atau lebih tinggi.
- Unit Pemrosesan Grafis (GPU) — NVIDIA GeForce GTX 960 atau lebih tinggi. GPU AMD tidak dapat melakukan pembelajaran mendalam. Untuk informasi lebih lanjut tentang GPU NVIDIA untuk pembelajaran mendalam, silakan kunjungi https://developer.nvidia.com/cuda-gpus.
- Sistem Operasi — Ubuntu atau Microsoft Windows 10. Saya sarankan memperbarui Windows 10 ke versi terbaru sebelum melanjutkan.
Catatan: Untuk laptop, opsi ideal adalah membeli laptop gaming dari vendor mana pun yang dianggap cocok seperti Alienware, ASUS, Lenovo Legion, Acer Predator, dll.
Langsung saja kita ke proses instalasinya. kita akan menabrak batu 😉
Pengalaman Nvidia GeForce
Alat ini dirancang untuk memperbarui driver GPU NVIDIA Anda dan jauh lebih mudah untuk melakukannya seperti ini dan sangat disarankan untuk diinstal jika Anda memiliki GPU NVIDIA.
Unduh Pengalaman NVIDIA GeForce
Daftar isi
Dalam tutorial ini, kami akan membahas langkah-langkah berikut:
- Unduh Anaconda
- Instal Anaconda & Python
- Mulai dan Perbarui Anaconda
- Instal Perangkat CUDA & cuDNN
- Ciptakan Lingkungan Anaconda
- Instal Deep Learning API (TensorFlow & Keras)
Langkah 1: Unduh Anaconda
Pada langkah ini, kami akan mengunduh paket Anaconda Python untuk platform Anda.
Anaconda adalah lingkungan gratis dan mudah digunakan untuk Python ilmiah.
- 1.Instal Anaconda (versi Python 3.6) Unduh
Saya menggunakan Windows, Anda dapat memilih sesuai dengan OS Anda.
Langkah 2: Instal Anaconda
Pada langkah ini, kami akan menginstal perangkat lunak Anaconda Python di sistem Anda.
Instalasi sangat mudah dan cepat setelah Anda mengunduh pengaturannya. Buka pengaturan dan ikuti instruksi wizard.
#Catatan: Ini akan secara otomatis menginstal Python dan beberapa perpustakaan dasar dengannya.
Mungkin diperlukan waktu 5 hingga 10 menit atau lebih lama lagi, tergantung sistem Anda.
Langkah 3: Perbarui Anaconda
Buka Anaconda Prompt untuk mengetikkan perintah berikut. Jangan khawatir Anaconda Prompt berfungsi sama seperti cmd.
conda update conda conda update --all
Langkah 4: Instal CUDA Toolkit & cuDNN
- Instal CUDA Toolkit 9.0 atau 8.0 Unduh
Pilih versi Anda tergantung pada Sistem Operasi dan GPU Anda.
#Dukungan Versi: Berikut adalah panduan untuk memeriksa apakah versi mendukung Kartu Grafis Nvidia Anda
Untuk mengunduh versi lain Anda dapat mengikuti tautan ini: https://developer.nvidia.com/cuda-toolkit-archive
#Catatan: CUDA 9.0 direkomendasikan karena TensorFlow TIDAK kompatibel dengan CUDA Toolkit versi 9.1 dan 9.2. Silakan pilih versi CUDA sesuai dengan versi GPU Nvidia Anda untuk menghindari kesalahan.
#Catatan: Orang dengan Unduhan versi 9.0 juga dapat menginstal patch yang diberikan jika terjadi kesalahan saat melanjutkan.
2. Unduh cuDNN Unduh
Unduh cuDNN versi terbaru. Pilih versi Anda tergantung pada Sistem Operasi dan CUDA Anda. Pendaftaran keanggotaan diperlukan. Jangan khawatir Anda dapat dengan mudah membuat akun menggunakan email Anda.
Letakkan folder Anda yang belum di-zip di drive C sebagai berikut:
C:\cudnn-9.0-windows10-x64-v7
Langkah 5: Tambahkan cuDNN ke Jalur Lingkungan
- Buka dialog Run menggunakan (Win + R)dan jalankan perintah sysdm.cpl
- Di System Properties Window-10, silakan pilih Tab Advanced.
- Pilih Variabel Lingkungan
- Tambahkan jalur berikut ke Lingkungan Anda.
C:\cudnn-9.0-windows10-x64-v7\cuda\bin
Langkah 6: Ciptakan Lingkungan Anaconda
Di sini kita akan membuat lingkungan anaconda baru untuk penggunaan khusus kita sehingga tidak mempengaruhi root Anaconda. Luar biasa!! bukan? 😛
Buka Anaconda Prompt untuk mengetikkan perintah berikut.
- Buat lingkungan conda bernama “tensorflow” (Anda dapat mengubah namanya) dengan menjalankan perintah berikut:
conda create -n tensorflow pip python=3.6
2. Aktifkan lingkungan conda dengan mengeluarkan perintah berikut:
activate tensorflow (tensorflow)C:> # Your prompt should change
Langkah 7: Instal Perpustakaan Pembelajaran Mendalam
Pada langkah ini, kita akan menginstal pustaka Python yang digunakan untuk pembelajaran mendalam, khususnya: TensorFlow, dan Keras.
TensorFlow adalah alat untuk pembelajaran mesin. Meskipun berisi berbagai fungsi, TensorFlow terutama dirancang untuk model jaringan neural dalam.
=› Untuk menginstal TensorFlow, Buka Anaconda Prompt untuk mengetikkan perintah berikut.
Untuk menginstal TensorFlow versi GPU:
C:\> pip install tensorflow-gpu
Untuk menginstal TensorFlow versi khusus CPU:
C:\> pip install tensorflow
Jika mesin atau sistem Anda adalah satu-satunya CPU yang didukung, Anda dapat menginstal versi CPU untuk pembelajaran dan praktik dasar.
=› Anda dapat menguji instalasi dengan menjalankan program ini di shell:
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))Untuk memulai dan dokumentasi, Anda dapat mengunjungi situs web TensorFlow.
2. Keras
Keras adalah API jaringan saraf tingkat tinggi, ditulis dengan Python dan mampu berjalan di atas “TensorFlow”, “CNTK”, atau “Theano”.
=› Untuk menginstal Keras Buka Anaconda Prompt ketik perintah berikut.
pip install keras
=› Mari kita coba jalankan <Mnist_Mlp.Py» di prompt Anda. Anda juga dapat menggunakan contoh lainnya.
Buka Anaconda Prompt untuk mengetikkan perintah berikut.
activate tensorflow python mnist_mlp.py
Untuk memulai dan dokumentasi, Anda dapat mengunjungi situs web Keras.
Berikut adalah implementasi dari Keras Standard Fully Connected Neural Network menggunakan Python untuk Pengenalan Digit yang telah saya lakukan.
Ada beberapa perpustakaan terkenal lainnya seperti Pytorch, Theano, dan Caffe2yang dapat Anda gunakan sesuai pilihan dan penggunaan Anda.
Selamat! 😉 Anda telah berhasil membuat lingkungan menggunakan TensorFlow, Keras (dengan backend Tensorflow) melalui GPU di Windows!
