Chainer ist seit 1.5 von Cython und h5py abhängig geworden. Die Installation unter Windows wird in Artikel zu Tag 2 (Installation von Chainer 1.5.0 unter Windows) beschrieben, aber jeder ist mehr Ich möchte einige Ergänzungen hinzufügen, damit Sie Chainer unter Windows problemlos richtig verwenden können.
** Hinweis: Ab dem 10.12.2015 unterstützt Chainer (v1.5.1) Windows nicht offiziell. ** Wenn Sie einen Klon erstellen und einen Nosetest ausführen, können Sie die Realität erkennen, dass verschiedene Funktionen tatsächlich nicht funktionieren ...
pip install chainerpython -c "import chainer" Kettentest
--python -c "import cupy" CUDA-Test (optional)
--python -c "import cupy.cudnn" cuDNN test (optional)Erstens unterstützt CUDA nur 7,0 bis 64 Bit. Wenn Sie die Chainer + CUDA-Umgebung verwenden möchten, verwenden Sie bitte ** Python 64bit Version **. Wenn Sie nur die CPU haben, ist beides in Ordnung. Die Installation von H5py, das von Chainer 1.5 abhängig geworden ist, ist auf 64-Bit-Python etwas mühsam. Unter Berücksichtigung verschiedener anderer Umstände ist es am besten, die 64-Bit-Version von Python 2.7 von ** Anaconda ** zu verwenden. Es können sowohl Python 2.7 als auch 3.4 verwendet werden. Wählen Sie daher nach Ihren Wünschen (3.5 wird vom Autor nicht bestätigt).
Wenn Sie Standard-Python verwenden möchten, scheint es eine Möglichkeit zu geben, das unter hier verteilte Paket zu verwenden. Insbesondere bei ** 64-Bit- und Nicht-Anaconda-Umgebungen müssen Sie vor der Installation von Chainer unbedingt h5py ** installieren.
Der Chainer-Betrieb auf Cygwin wurde bisher nicht bestätigt ...
Wer Spaß beim Vorbereiten des Compilers haben möchte, kann mit dem Python 2-System ein wenig zufrieden sein ...
Installieren Sie für Python 2.7 Microsoft Visual C ++ - Compiler für Python 2.7. Python findet diesen Compiler in der Registrierung, sodass Sie keine Umgebungsvariablen usw. festlegen müssen.
Die erforderliche Version von Visual Studio unterscheidet sich je nach Version der Python3-Serie. Wenn Sie jedoch ein neues Visual Studio installiert haben, können Sie diese Spezifikation umgehen, indem Sie Umgebungsvariablen festlegen. Bereiten Sie hier dasselbe vor, um die Probleme bei der Installation von CUDA zu berücksichtigen. Der für beide verfügbare Compiler ist Visual Studio Community 2013. Microsoft-Websites ändern von Zeit zu Zeit Adressen. Suchen Sie daher nach defekten Links (oder haben Sie einen geeigneten Compiler).
Wenn Sie die VS2013-Community einschließen, müssen Sie Umgebungsvariablen festlegen. Führen Sie "set VS100COMNTOOLS =% VS120COMNTOOLS%" jedes Mal vor "pip install" aus oder setzen Sie die Umgebungsvariable.
Visual Studio Community 2015 ist. Einfach installieren und los geht's.
Sie benötigen einen Visual Studio-Compiler. Wenn es zu neu ist, funktioniert der CUDA-Compiler nvcc nicht richtig. Lesen Sie daher das Handbuch und verwenden Sie die entsprechende Version. In diesem Artikel wird davon ausgegangen, dass Sie CUDA 7.5 verwenden.
Bitte installieren Sie Visual Studio Community 2013 wie in Python 3.4.
Fügen Sie der Umgebungsvariablen PATH C: \ Programme (x86) \ Microsoft Visual Studio 12.0 \ VC \ bin hinzu.
Es ist eine Verschwendung, CUDA nicht zu verwenden, weil Sie Chainer verwenden. Laden Sie das CUDA Toolkit von der NVIDIA-Site herunter und installieren Sie es.
cuDNN ist eine Bibliothek, die die für NN erforderlichen Berechnungen mit hoher Geschwindigkeit und geringem Speicher durchführen kann. Lass es uns installieren. Sie können es innerhalb weniger Tage nach der Registrierung als Benutzer unter cuDNN herunterladen. Wenn Sie Chainer jetzt verwenden möchten, überspringen Sie diesen Schritt. Bitte beachten Sie, dass Sie Chainer nach der Installation von ** cuDNN ** neu installieren müssen (pip install chainer nach pip unisntall chainer).
Wenn Sie cuDNN erfolgreich heruntergeladen haben, überschreiben Sie die extrahierte Datei mit "C: \ Programme \ NVIDIA GPU Computing Toolkit \ CUDA \ v7.5". Für cuDNNv3 befindet sich "cudnn64_70.dll" im Ordner "CUDA \ v7.5 \ bin", "cudnn.h" im Ordner "CUDA \ v7.5 \ include" und "cudnn.lib" im Ordner "CUDA \ v7". Es ist in Ordnung, wenn es in 5 \ lib \ x64` ist.
Starten Sie die Befehlszeile und prüfen Sie, ob der Befehl nvcc verwendet werden kann.
Jetzt installieren wir Chainer.
pip install chainer
Wenn Sie nicht installieren können oder wenn verschiedene Module nicht korrekt installiert werden können, verwenden Sie bitte den folgenden Befehl.
pip install -U chainer -vvvv
Wenn Cython, Pip und Setuptools alt sind, wurden Endlosschleifen bestätigt. Versuchen Sie, diese Bibliotheken auf die neueste Version zu aktualisieren.
Führen Sie den folgenden Befehl aus und prüfen Sie, ob der Import fehlerfrei durchgeführt werden kann.
--python -c "import chainer" Kettentest
--python -c "import cupy" CUDA-Test (optional)
--python -c "import cupy.cudnn" cuDNN test (optional)
Wenn der Cupy-Import fehlschlägt, wiederholen Sie den folgenden Test.
-- nvcc Testet, ob nvcc ausgeführt werden kann
Wenn Sie überprüfen möchten, ob die Installation korrekt ist, führen Sie "pip uninstall chainer" mehrmals aus, bis der Chainer verschwindet, und dann
Bitte installieren Sie mit pip install --no-cache -vvvv chainer mit deaktiviertem Cache und aktivierter Debug-Anzeige.
Wenn bei der Installation ein Problem auftritt, sollte ein Fehlerprotokoll angezeigt werden.
** chainer-cuda-deps wird nicht mehr benötigt. Bitte nicht installieren. ** **.
Recommended Posts