[PYTHON] Bis Sie mit Jupyter eine einfache Bilderkennung durchführen können

zunaechst

Plötzlich wollte ich eine Anwendung zur Bildunterscheidung erstellen, also habe ich zuerst Jupyter in der Fensterumgebung verwendet Ich habe versucht, ein Programm zu erstellen, das Bilder leicht unterscheidet.

Entwicklungsumgebung OS: Windows10 Home GPU: Geforce GTX1660Ti Anaconda: 4.8.2

Verschiedene Installationen

Laden Sie zunächst Anaconda von der folgenden Site herunter und installieren Sie es https://www.anaconda.com/products/individual

Als nächstes werden wir TensorFlow vorstellen, eine Bibliothek, die für die Bilderkennung erforderlich ist.

Vorher hat der PC, den ich jetzt benutze, eine GPU, daher möchte ich die GPU für die Berechnung verwenden. Es scheint jedoch notwendig zu sein, den Nvidia-Treiber, CUDA und cuDNN zu installieren, und diese Tools müssen nicht die neuesten sein, und die GPU erkennt sie nur, wenn Sie mit der Version vorsichtig sind ...

Suchen Sie zunächst auf der folgenden Website nach Ihrer GPU, laden Sie den Nvidia-Treiber herunter und installieren Sie ihn https://www.nvidia.co.jp/Download/index.aspx?lang=jp Ich bin mir über den Download-Typ nicht sicher, habe mich aber für den Game Ready-Treiber entschieden. Es war Version 445.87, als ich es installiert habe.

Wie ich bereits geschrieben habe, muss die Installation unter Beachtung der Korrespondenz jeder Version durchgeführt werden. Lesen Sie daher die Korrespondenztabelle auf dieser Site Nvidia-Treiberversion ⇒ Installieren Sie die entsprechende CUDA ⇒ Laden Sie die entsprechende cuDNN herunter Seite mit Korrespondenztabelle https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html https://www.tensorflow.org/install/source_windows Download-Seite CUDA: https://developer.nvidia.com/cuda-downloads cuDNN: https://developer.nvidia.com/cudnn-download-survey In meinem Fall war die CUDA-Version 10.0.130 und die cuDNN 7.4.2 für CUDA 10.0.

Gehen Sie nach der Installation wie folgt vor: -Alle Daten im heruntergeladenen cudnn-Ordner Kopieren Sie nach C: \ Programme \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.0

・ Für Systemumgebungsvariablen Variablenname: CUDNN_PATH Wert: "C: \ Programme \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.0" Wird neu hinzugefügt

Nachdem die erforderliche Installation auf der GPU-Seite abgeschlossen ist, installieren Sie am Ende die TensorFlow-Bibliothek. Erstellen Sie zunächst eine separate Umgebung für TensorFlow auf Anaconda.

conda create -n tf37 python=3.7 anaconda
conda activate tf37

In dieser Umgebung Tensorflow installieren

conda install tensorflow-gpu==2.0.0

Führen Sie abschließend den Befehl auf Python aus und überprüfen Sie, ob die GPU ordnungsgemäß erkannt wird.

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

Damit sind verschiedene Installationen abgeschlossen und Sie können TensorFlow verwenden.

Ich stolperte ein wenig unten

Zuerst habe ich pip verwendet, um zu installieren, indem ich mich auf andere Artikel stützte, aber als ich Tensorflow verwendet habe, habe ich den folgenden Fehler erhalten. Wenn Sie es mit Jupiter usw. verwenden, scheint es wahrscheinlich nutzlos zu sein, es sei denn, es wird mit Conda installiert.