Deep Learning ist in den letzten Jahren ein heißes Thema. Es gibt verschiedene Frameworks wie Caffe und TensorFlow, aber ich bin ausschließlich eine Chainer-Sekte. Normalerweise verwende ich Ubuntu 14.04, aber neulich musste ich Chainer auf einem Windows-Computer verarbeiten, und ich konnte Chainer nicht so reibungslos installieren wie mit Ubuntu, daher hat es viel Zeit gekostet. Ich denke, es ist ein seltener Fall, aber ich habe zusammengefasst, wo es gefangen wurde und wie man es löst.
Ich werde die Einführung von Python und Git weglassen. Da es sich um eine CPU-Umgebung handelte, kann ich CUDA usw. nicht erklären.
Es scheint, dass Chainer nur installiert werden kann, wenn numpy, scipy und h5py installiert sind.
Bei der Installation dieser Module kann ich sie nicht installieren, indem ich plötzlich "pip install numpy" mache. Anscheinend müssen Sie von einer kompilierten Datei namens whl installieren. Es gibt verschiedene whl-Dateien auf dieser Site. Laden Sie sie hier herunter. Wenn Sie die benötigte whl-Datei heruntergeladen haben, verwenden Sie diese Datei für die Pip-Installation. Unten ist ein Beispiel für Numpy.
cd [Verzeichnis mit whl-Dateien]
pip install numpy-1.11.1+mkl-cp27-cp27m-win_amd64.whl
Installieren Sie scipy und h5py auch aus der whl-Datei.
$ pip install [Modulname] --proxy = [Benutzer] @ [Proxy]: [Port]
Nun, es gibt keine Whl-Datei für Chainer auf der vorherigen Site. (Stand 30. Juni 2016) Klonen wir also den Code von GitHub und erstellen ihn.
$ git clone https://github.com/pfnet/chainer.git
$ cd chainer
$ python setup.py install
Ich denke, es wird in der Fehlermeldung angezeigt, aber es scheint, dass Visual Studio C ++ erforderlich ist Herunterladen und Installieren von hier
Sie sollten es endlich installieren können.
Lassen Sie uns MNIST im Beispiel erkennen, um zu überprüfen, ob Chainer ordnungsgemäß installiert wurde. Versuchen Sie, Folgendes in dem Verzeichnis auszuführen, das Sie geklont haben.
$ python examples/mnist/train_mnist.py
GPU: -1
unit: 1000
Minibatch-size: 100
epoch: 20
Network type: simple
load MNIST dataset
epoch 1
graph generated
train mean loss=0.190369202715, accuracy=0.941016668603, throughput=994.727940618 images/sec
test mean loss=0.0899474363861, accuracy=0.970900004506
epoch 2
・
・
・
Es dauerte ungefähr 10 Minuten, da es sich um eine CPU-Umgebung handelt
Es scheint, dass Bash in Windows 10 eingeführt wird, daher denke ich, dass es in Zukunft nicht notwendig sein wird, solche mühsamen Schritte zu unternehmen. Wenn Sie nicht warten können, bis es eingeführt wird, versuchen Sie diese Methode.
Recommended Posts