ก่อนอื่นเพื่อทำการเรียนรู้ของเครื่องและการเรียนรู้เชิงลึกบนชุดข้อมูลใด ๆ ซอฟต์แวร์/โปรแกรมต้องใช้ระบบคอมพิวเตอร์ที่ทรงพลังพอที่จะรองรับพลังการประมวลผลที่จำเป็น ดังนั้นจึงจำเป็นต้องมีสิ่งต่อไปนี้:
- หน่วยประมวลผลกลาง (CPU) — โปรเซสเซอร์ Intel Core i5 รุ่นที่ 6 หรือสูงกว่า โปรเซสเซอร์ที่เทียบเท่ากับ AMD ก็จะเหมาะสมที่สุดเช่นกัน
- RAM— แนะนำให้ใช้ขั้นต่ำ 8 GB, 16 GB หรือสูงกว่า
- หน่วยประมวลผลกราฟิก (GPU) — NVIDIA GeForce GTX 960 หรือสูงกว่า AMD GPUs ไม่สามารถทำการเรียนรู้เชิงลึกได้โดยไม่คำนึงถึง สำหรับข้อมูลเพิ่มเติมเกี่ยวกับ NVIDIA GPU สำหรับการเรียนรู้เชิงลึก โปรดไปที่ https://developer.nvidia.com/cuda-gpus
- ระบบปฏิบัติการ — Ubuntu หรือ Microsoft Windows 10 ฉันแนะนำให้อัปเดต Windows 10 เป็นเวอร์ชันล่าสุดก่อนที่จะดำเนินการต่อ
หมายเหตุ: ในกรณีของแล็ปท็อป ตัวเลือกที่เหมาะสมที่สุดคือการซื้อแล็ปท็อปสำหรับเล่นเกมจากผู้ขายใดๆ ก็ตามที่เห็นว่าเหมาะสม เช่น Alienware, ASUS, Lenovo Legion, Acer Predator เป็นต้น
มาดูกระบวนการติดตั้งกันเลย เราจะตีหิน 😉
ประสบการณ์ NVIDIA GeForce
เครื่องมือนี้ออกแบบมาเพื่ออัปเดตไดรเวอร์ NVIDIA GPU ของคุณและการทำเช่นนี้ง่ายกว่ามาก และขอแนะนำอย่างยิ่งให้ติดตั้งหากคุณมี NVIDIA GPU
ดาวน์โหลดประสบการณ์ NVIDIA GeForce
สารบัญ
ในบทช่วยสอนนี้ เราจะกล่าวถึงขั้นตอนต่อไปนี้:
- ดาวน์โหลดอนาคอนด้า
- ติดตั้งอนาคอนดา & Python
- เริ่มต้นและอัปเดตอนาคอนดา
- ติดตั้งชุดเครื่องมือ CUDA & cuDNN
- สร้างสภาพแวดล้อมอนาคอนดา
- ติดตั้ง Deep Learning API (TensorFlow & Keras)
ขั้นตอนที่ 1: ดาวน์โหลดอนาคอนดา
ในขั้นตอนนี้ เราจะดาวน์โหลดแพ็คเกจ Anaconda Python สำหรับแพลตฟอร์มของคุณ
Anaconda เป็นสภาพแวดล้อมฟรีและใช้งานง่ายสำหรับ Python ทางวิทยาศาสตร์
- 1.ติดตั้ง Anaconda (เวอร์ชั่น Python 3.6) ดาวน์โหลด
ฉันใช้ Windows คุณสามารถเลือกได้ตามระบบปฏิบัติการของคุณ
ขั้นตอนที่ 2: ติดตั้งอนาคอนดา
ในขั้นตอนนี้ เราจะติดตั้งซอฟต์แวร์ Anaconda Python บนระบบของคุณ
การติดตั้งนั้นง่ายและรวดเร็วมากเมื่อคุณดาวน์โหลดการตั้งค่า เปิดการตั้งค่าและปฏิบัติตามคำแนะนำของวิซาร์ด
#หมายเหตุ: มันจะติดตั้ง Python และไลบรารีพื้นฐานบางส่วนด้วยโดยอัตโนมัติ
อาจใช้เวลาประมาณ 5 ถึง 10 นาทีหรือนานกว่านั้นตามระบบของคุณ
ขั้นตอนที่ 3: อัปเดตอนาคอนดา
เปิด Anaconda Prompt เพื่อพิมพ์คำสั่งต่อไปนี้ ไม่ต้องกังวล Anaconda Prompt ทำงานเหมือนกับ cmd
conda update conda conda update --all
ขั้นตอนที่ 4: ติดตั้งชุดเครื่องมือ CUDA & cuDNN
- ติดตั้ง CUDA Toolkit 9.0 หรือ 8.0 ดาวน์โหลด
เลือกเวอร์ชันของคุณขึ้นอยู่กับระบบปฏิบัติการและ GPU ของคุณ
#Version Support: ต่อไปนี้เป็นคำแนะนำในการตรวจสอบว่า เวอร์ชันของคุณรองรับ การ์ดกราฟิก Nvidia ของคุณหรือไม่
หากต้องการดาวน์โหลดเวอร์ชันอื่น คุณสามารถไปที่ลิงก์นี้: https://developer.nvidia.com/cuda-toolkit-archive
#หมายเหตุ: แนะนำให้ใช้ CUDA 9.0 เนื่องจาก TensorFlow เข้ากันไม่ได้กับ CUDA Toolkit เวอร์ชัน 9.1 และ 9.2 โปรดเลือกเวอร์ชัน CUDA ตามเวอร์ชัน Nvidia GPU ของคุณเพื่อหลีกเลี่ยงข้อผิดพลาด
#หมายเหตุ: ผู้ที่มีเวอร์ชัน 9.0 ดาวน์โหลด ยังสามารถติดตั้งแพตช์ที่กำหนดได้ในกรณีที่เกิดข้อผิดพลาดขณะดำเนินการต่อ
2. ดาวน์โหลด cuDNN ดาวน์โหลด
ดาวน์โหลด cuDNN เวอร์ชันล่าสุด เลือกเวอร์ชันของคุณขึ้นอยู่กับระบบปฏิบัติการและ CUDA ของคุณ จำเป็นต้องสมัครสมาชิก ไม่ต้องกังวล คุณสามารถสร้างบัญชีโดยใช้อีเมลของคุณได้อย่างง่ายดาย
ใส่โฟลเดอร์ที่คลายซิปของคุณในไดรฟ์ C ดังนี้:
C:\cudnn-9.0-windows10-x64-v7
ขั้นตอนที่ 5: เพิ่ม cuDNN ลงในเส้นทางสภาพแวดล้อม
- เปิดกล่องโต้ตอบเรียกใช้โดยใช้ (Win + R)และเรียกใช้คำสั่ง sysdm.cpl
- ใน Window-10 คุณสมบัติของระบบ โปรดเลือกแท็บ ขั้นสูง
- เลือกตัวแปรสภาพแวดล้อม
- เพิ่มเส้นทางต่อไปนี้ให้กับสภาพแวดล้อมของคุณ
C:\cudnn-9.0-windows10-x64-v7\cuda\bin
ขั้นตอนที่ 6: สร้างสภาพแวดล้อมอนาคอนดา
ที่นี่เราจะสร้างสภาพแวดล้อมของอนาคอนดาใหม่สำหรับการใช้งานเฉพาะของเรา เพื่อที่จะไม่ส่งผลกระทบต่อรากของอนาคอนดา อัศจรรย์!! ไม่ใช่เหรอ? 😛
เปิด Anaconda Prompt เพื่อพิมพ์คำสั่งต่อไปนี้
- สร้างสภาพแวดล้อม conda ชื่อ "tensorflow" (คุณสามารถเปลี่ยนชื่อได้) โดยเรียกใช้คำสั่งต่อไปนี้:
conda create -n tensorflow pip python=3.6
2. เปิดใช้งานสภาพแวดล้อม conda โดยใช้คำสั่งต่อไปนี้:
activate tensorflow (tensorflow)C:> # Your prompt should change
ขั้นตอนที่ 7: ติดตั้งไลบรารีการเรียนรู้เชิงลึก
ในขั้นตอนนี้ เราจะติดตั้งไลบรารี Python ที่ใช้สำหรับการเรียนรู้เชิงลึก โดยเฉพาะ: TensorFlow และ Keras
TensorFlow เป็นเครื่องมือสำหรับการเรียนรู้ของเครื่อง แม้ว่าจะมีฟังก์ชันการทำงานที่หลากหลาย แต่ TensorFlow ได้รับการออกแบบมาสำหรับโมเดลโครงข่ายประสาทเทียมระดับลึกเป็นหลัก
=› สำหรับการติดตั้ง TensorFlow ให้เปิด Anaconda Prompt เพื่อพิมพ์คำสั่งต่อไปนี้
วิธีติดตั้ง TensorFlow เวอร์ชัน GPU:
C:\> pip install tensorflow-gpu
หากต้องการติดตั้ง TensorFlow เวอร์ชัน CPU เท่านั้น:
C:\> pip install tensorflow
หากเครื่องหรือระบบของคุณรองรับ CPU เพียงตัวเดียว คุณสามารถติดตั้งเวอร์ชัน CPU สำหรับการเรียนรู้และฝึกฝนขั้นพื้นฐานได้
=› คุณสามารถทดสอบการติดตั้งได้โดยการรันโปรแกรมนี้บนเชลล์:
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
สำหรับการเริ่มต้นและเอกสารประกอบ คุณสามารถไปที่เว็บไซต์ TensorFlow
2. เคราส
Keras เป็น API เครือข่ายประสาทระดับสูงที่เขียนด้วย Python และสามารถทำงานบน "TensorFlow", "CNTK" หรือ "Theano" ได้
=› สำหรับการติดตั้ง Keras ให้เปิด Anaconda Prompt ให้พิมพ์คำสั่งต่อไปนี้
pip install keras
=› มาลองเรียกใช้ Mnist_Mlp.Py ในข้อความแจ้งของคุณ คุณสามารถใช้ "ตัวอย่าง" อื่นๆ ได้เช่นกัน
เปิด Anaconda Prompt เพื่อพิมพ์คำสั่งต่อไปนี้
activate tensorflow python mnist_mlp.py
สำหรับการเริ่มต้นและเอกสารประกอบ คุณสามารถไปที่เว็บไซต์ Keras
นี่คือการใช้งาน Keras Standard Fully Connected Neural Network โดยใช้ Python สำหรับการรู้จำตัวเลข ฉันได้ดำเนินการไปแล้ว
มีไลบรารีที่มีชื่อเสียงอื่นๆ เช่น Pytorch, Theano และ Caffe2ที่คุณสามารถใช้ตามที่คุณต้องการ
ยินดีด้วย! 😉 คุณสร้างสภาพแวดล้อมได้สำเร็จโดยใช้ TensorFlow, Keras (พร้อมแบ็กเอนด์ Tensorflow) บน GPU บน Windows!