[PYTHON] Windows10 (x64) Erstellen Sie nativ eine maschinelle Lernumgebung

Zweck

Lernen Sie maschinelles Lernen in einer Windows-Umgebung

• Ich möchte vermeiden, eine Umgebung in einer virtuellen Umgebung zu erstellen
• frei
• Verwenden Sie die GPU als Backend auf dem Computer
• Verwenden Sie Bash unter Ubuntu unter Windows nicht einmal

Zunächst möchte ich eine Umgebung, die so einfach wie möglich ist.

Ergebnis

• Erkannte
• Ich musste mehr Softwarebibliotheken installieren als erwartet
• Ich war süchtig nach der Versionsabhängigkeit verschiedener Software

Stabiler Betrieb in der folgenden Umgebung

Das Chainer-Beispiel (chainer / examples / mnist / train_mnist.py) wird unverändert verwendet und als Benchmark für die Verarbeitungszeit verglichen. Wir haben die verstrichene Zeit (elapsed_time) beim 20-jährigen Jubiläum mit der Standardeinstellung in der vorliegenden Umgebung verglichen.

Ich kaufte 1080ti in Eile, aber GT730 war genug, um vorerst zu lernen. Ich bin auch dankbar für die Existenz von GPDWIN, das den GUI-Betrieb von GPU-Maschinen auch unterwegs ermöglicht.

Python-Umgebung

python Tensorflow 1.01 funktionierte in der Umgebung der Python 3.6-Serie nicht Stabil mit 3,53 (x64) DL von der offiziellen Website

Befolgen Sie für andere Universalbibliotheken die folgenden Schritte.

> python -m pip install --upgrade pip
> python -m pip install --upgrade -I setuptools
> python -m pip install ipython
> python -m pip install numpy
> python -m pip install pandas
> python -m pip install matplotlib

Bibliothek für maschinelles Lernen

tensorflow Keine Schwierigkeit zu gewinnen

> python -m pip install tensorflow

Auf GPU-erweiterten Computern

> python -m pip install tensorflow-gpu

chainer Es gibt keine besonderen Schwierigkeiten beim Betrieb der CPU

> python -m pip install chainer

Ich habe das MNIST-Beispiel verwendet, um die Verarbeitungsleistung jeder Maschine zu vergleichen. Um dies auf einer GPU auszuführen, muss VS installiert werden, und ich bin süchtig danach.

sklearn Ich stolperte. Benötigt numpy + mkl und scipy Laden Sie .whl herunter, da es für die Online-Pip-Installation nicht verfügbar war

wheels

> python -m pip install "numpy-1.12.1+mkl-cp35-cpm35-win_amd64.whl"
> python -m pip install "scipy-0.19.0-cp35-cp35m-win_amd64.whl"
> python -m pip install sklearn

sklearn wird für die Testimplementierung von SVM verwendet.

Nutzung der GPU

CUDA Ich benutze es, weil 8.0 veröffentlicht wurde. cuda_8.0.61_win10.exe

cuDNN Sie müssen ein Konto zum Herunterladen erstellen. Sobald ich den Verwendungszweck für geschäftliche Zwecke angegeben habe, hat er ein Konto ausgestellt.

v6.0 für CUDA 8.0 wurde veröffentlicht, aber NG. cuDNN v5.1 (20. Januar 2017) für CUDA 8.0 wird verwendet.

Die Entität ähnelt einem DLL-Modul, das über CUDA verwendet wird, sodass Sie es an einem sichtbaren Ort ablegen können. Er hat mich bei der Installation von CUDA durch den Pfad geführt "\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0" Ich habe es reingelegt.

Wenn Sie versuchen, mmist_with_sumaries.py usw. aus dem Tensorflow-Lernprogramm mit GPU auszuführen Wenn Sie "cupti64_80.dll" nicht sehen, werden Sie möglicherweise wütend. "\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\CUPTI\libx64" Ich musste es durch einen zusätzlichen Weg geben.

Andere

VisualStudio Ich habe es installiert, weil ich den Compiler von CUDA oder cuDNN für den Betrieb des Chainer-Beispiels verwendet habe. Stabil mit VS 2015 Community Update 1.

Ich war super süchtig. Es kann nicht von CUDA nach dem Update 2015 verwendet werden2. Die VS 2013-Community kann ausreichen. Erstens ist VS offiziell bereits 2017. Ich kann keinen Link zu einer früheren Version finden

Visual Studio Community 2015 with update 1(.iso)

Beispiel herunterladen

Git DL und benutze git für Windows 2.12.2 (2) von github.io

MNIST-Probe

> git clone https://github.com/tensorflow/tensorflow.git
> cd tensorflow\tensorflow\examples\tutorials\mnist
> python mnist_softmax.py

Kettenprobe

> git clone https://github.com/pfnet/chainer.git
> cd chainer/examples/mnist/train_mnist.py
> python train_mnist.py

octave v4.2.1(x64)

Nützlich für Testvektor- / Matrixoperationen und Visualisierung der Ergebnisse. Nachdem ich Coursera Machine Learning absolviert hatte, erlebte ich die Bequemlichkeit. Ich kann mir nicht die Mühe machen, Code zu schreiben, um das Funktionsprinzip zu überprüfen. Anstelle von MATLAB.

v4.0.0 soll vermieden werden.