Прежде всего, чтобы выполнять машинное обучение и глубокое обучение на любом наборе данных, программное обеспечение / программа требует компьютерной системы, достаточно мощной для обработки необходимой вычислительной мощности. Итак, требуется следующее:
- Центральный процессор (ЦП) - процессор Intel Core i5 6-го поколения или выше. Эквивалентный процессор AMD также будет оптимальным.
- ОЗУ - минимум 8 ГБ, рекомендуется 16 ГБ или больше.
- Графический процессор (GPU) - NVIDIA GeForce GTX 960 или выше. В любом случае графические процессоры AMD не могут выполнять глубокое обучение. Для получения дополнительной информации о графических процессорах NVIDIA для глубокого обучения посетите https://developer.nvidia.com/cuda-gpus.
- Операционная система - Ubuntu или Microsoft Windows 10. Я рекомендую обновить Windows 10 до последней версии, прежде чем продолжить.
Примечание. В случае ноутбуков идеальным вариантом будет покупка игрового ноутбука у любого подходящего поставщика, например Alienware, ASUS, Lenovo Legion, Acer Predator и т. Д.
Давайте сразу приступим к процессу установки. мы собираемся ударить по скале 😉
Nvidia GeForce Experience
Этот инструмент предназначен для обновления драйверов графического процессора NVIDIA, и это намного проще сделать так, и его настоятельно рекомендуется установить, если у вас есть графический процессор NVIDIA.
Загрузить NVIDIA GeForce Experience
Оглавление
В этом уроке мы рассмотрим следующие шаги:
- Скачать Anaconda
- Установите Anaconda и Python
- Запустить и обновить Anaconda
- Установите CUDA Toolkit и cuDNN
- Создайте среду Anaconda
- Установите Deep Learning API (TensorFlow и Keras)
Шаг 1. Загрузите Anaconda
На этом этапе мы загрузим пакет Anaconda Python для вашей платформы.
Anaconda - это бесплатная и простая в использовании среда для научного Python.
- 1. Установите Anaconda (версия Python 3.6) Скачать.
Я использую Windows, которую вы можете выбрать в соответствии с вашей ОС.
Шаг 2: установите Anaconda
На этом этапе мы установим программное обеспечение Anaconda Python в вашу систему.
Установка выполняется очень легко и быстро, если вы загрузите программу установки. Откройте программу установки и следуйте инструкциям мастера.
# Примечание: Он автоматически установит Python и некоторые базовые библиотеки с ним.
В зависимости от вашей системы это может занять от 5 до 10 минут или больше.
Шаг 3. Обновите Anaconda
Откройте приглашение Anaconda и введите следующие команды. Не волнуйтесь, Anaconda Prompt работает так же, как cmd.
conda update conda conda update --all
Шаг 4: Установите CUDA Toolkit и cuDNN
- Установите CUDA Toolkit 9.0 или 8.0 Скачать
Выберите свою версию в зависимости от вашей операционной системы и графического процессора.
#Version Support: Вот руководство, чтобы проверить, поддерживает ли ваша версия графическую карту Nvidia.
Для загрузки других версий вы можете перейти по этой ссылке: https://developer.nvidia.com/cuda-toolkit-archive
# Примечание: Рекомендуется CUDA 9.0, поскольку TensorFlow НЕ совместим с версиями CUDA Toolkit 9.1 и 9.2. Пожалуйста, выберите версию CUDA в соответствии с версией вашего графического процессора Nvidia, чтобы избежать ошибок.
# Примечание: Пользователи версии 9.0 Загрузить также могут установить данный патч в случае ошибки во время продолжения.
2. Скачайте cuDNN Скачать
Загрузите последнюю версию cuDNN. Выберите свою версию в зависимости от вашей операционной системы и CUDA. Требуется регистрация членства. Не волнуйтесь, вы можете легко создать учетную запись, используя свою электронную почту.
Поместите распакованную папку на диск C следующим образом:
C:\cudnn-9.0-windows10-x64-v7
Шаг 5: добавьте cuDNN в путь к среде
- Откройте диалоговое окно «Выполнить» с помощью (Win + R) и выполните команду sysdm.cpl.
- В окне 10 Свойства системы выберите вкладку Дополнительно.
- Выберите переменные среды
- Добавьте следующий путь в свою среду.
C:\cudnn-9.0-windows10-x64-v7\cuda\bin
Шаг 6: Создайте среду Anaconda
Здесь мы создадим новую среду анаконды для нашего конкретного использования, чтобы она не влияла на корень Anaconda. Удивительный!! не так ли? 😛
Откройте Anaconda Prompt, чтобы ввести следующие команды.
- Создайте среду conda с именем «tensorflow» (вы можете изменить имя), выполнив следующую команду:
conda create -n tensorflow pip python=3.6
2. Активируйте среду conda, введя следующую команду:
activate tensorflow (tensorflow)C:> # Your prompt should change
Шаг 7. Установите библиотеки глубокого обучения
На этом этапе мы установим библиотеки Python, используемые для глубокого обучения, в частности: TensorFlow и Keras.
TensorFlow - это инструмент для машинного обучения. Несмотря на то, что он содержит широкий спектр функций, TensorFlow в основном разработан для моделей глубоких нейронных сетей.
= ›Для установки TensorFlow откройте подсказку Anaconda и введите следующие команды.
Чтобы установить версию TensorFlow для графического процессора:
C:\> pip install tensorflow-gpu
Чтобы установить версию TensorFlow только для ЦП:
C:\> pip install tensorflow
Если ваш компьютер или система является единственным поддерживаемым ЦП, вы можете установить версию ЦП для базового обучения и практики.
= ›Вы можете протестировать установку, запустив эту программу в оболочке:
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Для начала работы и документации вы можете посетить веб-сайт TensorFlow.
2. Керас
Keras - это высокоуровневый API нейронных сетей, написанный на Python и способный работать поверх TensorFlow, CNTK или Theano.
= ›Для установки Keras Откройте Anaconda. Подскажите, чтобы ввести следующие команды.
pip install keras
= ›Давайте попробуем запустить Mnist_Mlp.Py в вашем приглашении. вы можете использовать и другие примеры.
Откройте Anaconda Prompt, чтобы ввести следующие команды.
activate tensorflow python mnist_mlp.py
Для начала работы и документации вы можете посетить веб-сайт Keras.
Вот реализация Стандартной полностью подключенной нейронной сети Keras с использованием Python для распознавания цифр, которую я сделал.
Есть и другие известные библиотеки, такие как Pytorch, Theano и Caffe2, которые вы можете использовать по своему усмотрению.
Поздравляю! 😉 Вы успешно создали среду с помощью TensorFlow, Keras (с бэкэндом Tensorflow) поверх графического процессора в Windows!