Dieser Artikel ist eine Fortsetzung von Erstellen einer Python-Umgebung für künstliche Intelligenz (Chainer / TensorFlow / CSLAIER).
In diesem Artikel installieren wir Chainer, eine beliebte Bibliothek für künstliche Intelligenz in Japan. Ich habe es selbst installiert und es gab viele Dinge, die ich nicht verstanden habe. Deshalb habe ich zusammengefasst, was ich untersucht habe. Ich hoffe, es wird für diejenigen hilfreich sein, die Chainer von nun an installieren.
・ MacBook Pro (Retina, 13 Zoll, Anfang 2015) ・ MacOS Sierra (Version 10.12.2) · Prozessor (2,7 GHz Intel Core i5) · Speicher (8 GB 1867 MHz DDR3) · Grafik (Intel Iris Graphics 6100 1536 MB)
-Homebrew, Pyenv, Anaconda2-4.2.0 / Anaconda3-4.2.0 werden als installiert angenommen. Wenn Sie es nicht installiert haben, lesen Sie bitte Erstellen einer Python-Umgebung für künstliche Intelligenz (Chainer / TensorFlow / CSLAIER).
Wenn Sie sich Chainers Git ansehen, brauchen Sie nur Chainer
Mindestanforderungen: ・ Python 2.7.6 +, 3.4.3 +, 3.5.1+ ・ NumPy 1.9, 1.10, 1.11 ・ Sechs 1.9
Requirements for some features（ Anforderungen für einige Funktionen): ・ CUDA-Unterstützung CUDA 6.5, 7.0, 7.5, 8.0 filelock g++ 4.8.4+ ・ CuDNN-Unterstützung cuDNN v2, v3, v4, v5, v5.1 ・ Unterstützung für Caffe-Modelle Protocol Buffers (pip install protobuf) protobuf>=3.0.0 is required for Py3 ・ Unterstützung für Bilddatensätze Pillow ・ Unterstützung der HDF5-Serialisierung h5py 2.5.0 ・ Dienstprogramme testen Mock Nose
Es gibt ziemlich viele davon (git kann den Quellcode herunterladen, und am Ende der Seite finden Sie, was Sie zur Verwendung der Bibliothek benötigen und wie Sie sie einfach verwenden können, sodass sie hilfreich ist, wenn Sie sie zum ersten Mal verwenden). Ich fand es schwierig, weil ich kaum davon gehört hatte, sondern weil "Python", "Numpy" und "Six", die zur Ausführung der Mindestfunktionen erforderlich sind, in der Anakonda enthalten sind. , Keine Notwendigkeit zu installieren.
Außerdem wird "g ++", das für einige Funktionen erforderlich ist, von Anfang an auf dem Mac installiert. "Filelock", "Pillow", "h5py" und "Nose" sind ebenfalls in anaconda enthalten, sodass sie nicht neu installiert werden müssen.
Numpy Numpy ist eine Erweiterung Modul für eine effiziente numerische Berechnung in Python.
"Verwendung des NumPy-Programming Bulletins" http://programming.blogo.jp/python/numpy/introduction
Wenn ich künstliche Intelligenz lernen lasse, mache ich Matrixberechnung, Mit Numpy können Sie Berechnungen sehr reibungslos durchführen.
Six Six ist ein Paket, um den Unterschied zwischen Python 2-Serie und 3-Serie zu absorbieren. Selbst wenn es Bibliotheken mit unterschiedlichen Namen in der 2. und 3. Reihe gibt, können Sie sie mit demselben Namen verwenden, indem Sie sie über Six installieren.
"Bibliothek Sechs zum Schreiben von versionenneutralem Code in Python" http://momijiame.tumblr.com/post/67465721521/python-%E3%81%A7%E3%83%90%E3%83%BC%E3 % 82% B8% E3% 83% A7% E3% 83% B3% E3% 83% 8B% E3% 83% A5% E3% 83% BC% E3% 83% 88% E3% 83% A9% E3% 83 % AB% E3% 81% AA% E3% 82% B3% E3% 83% BC% E3% 83% 89% E3% 82% 92% E6% 9B% B8% E3% 81% 8F% E3% 81% 9F % E3% 82% 81% E3% 81% AE% E3% 83% A9% E3% 82% A4% E3% 83% 96% E3% 83% A9% E3% 83% AA-six
CUDA CUDA (ausgesprochen couda) ist eine umfassende Entwicklungsumgebung für GPU-Computer, die von NVIDIA bereitgestellt wird. GPU (Abkürzung für Graphical Processing Unit, spezialisiert auf Bildverarbeitung, gut in der Verarbeitung einfacher und großer Datenmengen, CPU ist gut in der kontinuierlichen Berechnung, aber GPU ist gut in der parallelen Berechnung) und CUDA Weitere Informationen finden Sie auf der folgenden Website.
"GPU-Computing von vorne anfangen" http://www.gdep.jp/page/view/248
filelock Filelock dient der exklusiven Kontrolle. Exklusive Kontrolle bedeutet, dass wenn ein Konflikt mit einer gemeinsam genutzten Ressource auftritt, die von mehreren Prozessen verwendet werden kann, wenn das Programm ausgeführt wird, wenn ein Prozess die Ressource ausschließlich verwendet, ein anderer Prozess sie verwendet. Um es zu verhindern.
"Exklusive Kontrolle ist" Sperre "(Sperre): -IT Begriff binär" http://www.sophia-it.com/content/%E6%8E%92%E4%BB%96%E5%88%B6%E5%BE%A1
g++ Was ist g ++?
Ein C ++ - Compiler, der im GCC von GNU enthalten ist.
Ich habe nicht verstanden, was es war. GNU wird als Gnu gelesen und scheint ein Betriebssystem (kurz für Betriebssystem, Software zum Ausführen von Computern) und eine breite Sammlung von Computersoftware zu sein.
GCC ist ein Compiler, der von GNU Project entwickelt und veröffentlicht wurde (allgemeiner Begriff für Entwicklungsprojekte einer UNIX-kompatiblen Softwaregruppe). ..
Bedeutet dies, dass eine Organisation, die versucht, freie Software bekannt zu machen, ein Betriebssystem namens GNU erstellt, das mit UNIX kompatibel ist, und es kompiliert (um von Menschen geschriebenen Code für Computer lesbar zu machen)?
「g++」 http://kaworu.jpn.org/cpp/g++
cuDNN cuDNN ist eine GPU-optimierte Bibliothek, die von einem Unternehmen namens NVIDIA für die Entwicklung von DNN (Deep Neural Network) bereitgestellt wird.
Deep Learning ist einfach, aber es dauert eine beträchtliche Zeit, wenn es sich um eine CPU handelt, da es eine große Menge an Berechnungen durchführt und in einigen Fällen kaum Fortschritte macht. Ich denke, es ist in Ordnung, wenn Sie denken, dass Deep Learning schneller als CPU durchgeführt werden kann.
"GTC 2015 --CUDA Bibliothek" cuDNN "für Deep Learning" http://news.mynavi.jp/articles/2015/04/10/gtc2015_cudnn/
Protocol Buffers Dieser Artikel war sehr einfach über Protokollpuffer zu verstehen.
"Ich habe nach Protokollpuffern gesucht" http://qiita.com/aiueo4u/items/54dc5dd8c4772253634c
Pillow Pillow ist eine Python-Bildverarbeitungsbibliothek, die eine große Anzahl von Bildern gleichzeitig verarbeiten kann. Übrigens gibt es eine ähnliche Version namens PIL, aber da dies die pyhton3-Serie nicht unterstützt, wird häufig Pillow verwendet.
Um künstliche Intelligenz zu erlernen, muss eine große Anzahl von Bildern geladen werden, aber die zu ladenden Bilder müssen dieselbe Größe haben, oder die Bilder werden verarbeitet, um die Anzahl der Bilder zu erhöhen. Diese Bibliothek ist in einem solchen Fall praktisch.
"Verwendung von Pillow (PIL), einer Bildverarbeitungsbibliothek für Python 3.5" https://librabuch.jp/blog/2013/05/python_pillow_pil/
h5py Ist es eine Bibliothek zur Verwendung des Dateiformats HDF5?
Wenn dies die Installation von Chainer verhindert, lesen Sie diesen Artikel.
"Inoffizielle Tipps für diejenigen, die Probleme bei der Installation von Chainer 1.5 haben" http://qiita.com/unnonouno/items/c491b6df59352159cbf0
Mock Ich denke, es ist gut zu denken, dass es beim Testen von Software verwendet wird.
"Moq erkunden - Teil 1-: Was ist Moq? Was ist Mock? Und Mock Generation #adcjcs" http://blogs.wankuma.com/masaru/archive/2010/12/03/195469.aspx
Nose Ich denke, Nose ist eine Testausführungsumgebung.
"Ich habe einen Unit-Test mit Python-Nase geschrieben" http://blog.chocolapod.net/momokan/entry/8
Die Mindestanforderungen sind also bereits installiert, also sofort Lassen Sie uns Chainer installieren.
Installation der Kette
$ pip install chainer
pip ist ein Python-Paketverwaltungstool. pip befindet sich bereits in anaconda, sodass Sie es nicht erneut installieren müssen. Durch die Installation von Chainer mit pip können Sie Chianer in der Umgebung der Python-Version installieren, die Sie derzeit verwenden.
Der installierte Chainer befindet sich unter Benutzer / Ihr_Name / .pyenv / Versionen / anaconda2-4.2.0 / lib / python2.7 / site-packages / chainer.
Sie haben jetzt Chainer installiert. Nächstes Mal werden wir CSLAIER installieren, mit dem maschinelles Lernen über eine grafische Benutzeroberfläche (GUI) durchgeführt werden kann.