ก่อนอื่นเพื่อทำการเรียนรู้ของเครื่องและการเรียนรู้เชิงลึกบนชุดข้อมูลใด ๆ ซอฟต์แวร์/โปรแกรมต้องใช้ระบบคอมพิวเตอร์ที่ทรงพลังพอที่จะรองรับพลังการประมวลผลที่จำเป็น ดังนั้นจึงจำเป็นต้องมีสิ่งต่อไปนี้:

  1. หน่วยประมวลผลกลาง (CPU) — โปรเซสเซอร์ Intel Core i5 รุ่นที่ 6 หรือสูงกว่า โปรเซสเซอร์ที่เทียบเท่ากับ AMD ก็จะเหมาะสมที่สุดเช่นกัน
  2. RAM— แนะนำให้ใช้ขั้นต่ำ 8 GB, 16 GB หรือสูงกว่า
  3. หน่วยประมวลผลกราฟิก (GPU) — NVIDIA GeForce GTX 960 หรือสูงกว่า AMD GPUs ไม่สามารถทำการเรียนรู้เชิงลึกได้โดยไม่คำนึงถึง สำหรับข้อมูลเพิ่มเติมเกี่ยวกับ NVIDIA GPU สำหรับการเรียนรู้เชิงลึก โปรดไปที่ https://developer.nvidia.com/cuda-gpus
  4. 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:

  1. ดาวน์โหลดอนาคอนด้า
  2. ติดตั้งอนาคอนดา & Python
  3. เริ่มต้นและอัปเดตอนาคอนดา
  4. ติดตั้งชุดเครื่องมือ CUDA & cuDNN
  5. สร้างสภาพแวดล้อมอนาคอนดา
  6. ติดตั้ง Deep Learning API (TensorFlow & Keras)

ขั้นตอนที่ 1: ดาวน์โหลดอนาคอนดา

ในขั้นตอนนี้ เราจะดาวน์โหลดแพ็คเกจ Anaconda Python สำหรับแพลตฟอร์มของคุณ

Anaconda เป็นสภาพแวดล้อมฟรีและใช้งานง่ายสำหรับ Python ทางวิทยาศาสตร์

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

  1. 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

  1. เปิดกล่องโต้ตอบเรียกใช้โดยใช้ (Win + R)และเรียกใช้คำสั่ง sysdm.cpl
  2. ใน Window-10 คุณสมบัติของระบบ โปรดเลือกแท็บ ขั้นสูง
  3. เลือกตัวแปรสภาพแวดล้อม
  4. เพิ่มเส้นทางต่อไปนี้ให้กับสภาพแวดล้อมของคุณ
C:\cudnn-9.0-windows10-x64-v7\cuda\bin

ขั้นตอนที่ 6: สร้างสภาพแวดล้อมอนาคอนดา

ที่นี่เราจะสร้างสภาพแวดล้อมของอนาคอนดาใหม่สำหรับการใช้งานเฉพาะของเรา เพื่อที่จะไม่ส่งผลกระทบต่อรากของอนาคอนดา อัศจรรย์!! ไม่ใช่เหรอ? 😛

เปิด Anaconda Prompt เพื่อพิมพ์คำสั่งต่อไปนี้

  1. 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

  1. เทนเซอร์โฟลว์

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!

หากคุณชอบเรื่องราวนี้ โปรดคลิกปุ่ม 👏 และแชร์เพื่อช่วยให้ผู้อื่นค้นพบมัน รู้สึกอิสระที่จะแสดงความคิดเห็น