Cet article est une suite de Création d'un environnement python pour l'intelligence artificielle (Chainer / TensorFlow / CSLAIER).
Dans cet article, nous installerons Chainer, une bibliothèque d'intelligence artificielle populaire au Japon. Je l'ai installé moi-même et il y avait beaucoup de choses que je ne comprenais pas, alors j'ai résumé ce que j'avais enquêté. J'espère que cela sera utile pour ceux qui installent Chainer à partir de maintenant.
・ MacBook Pro (Retina, 13 pouces, début 2015) ・ MacOS Sierra (version 10.12.2) · Processeur (Intel Core i5 2,7 GHz) · Mémoire (8 Go de DDR3 à 1867 MHz) · Graphiques (Intel Iris Graphics 6100 1536 Mo)
-Homebrew, pyenv, anaconda2-4.2.0 / anaconda3-4.2.0 sont supposés être installés. Si vous ne l'avez pas installé, veuillez lire Construire un environnement python pour l'intelligence artificielle (Chainer / TensorFlow / CSLAIER).
Si vous regardez Chainer's git, tout ce dont vous avez besoin pour utiliser Chainer est
Exigences minimales: ・ Python 2.7.6 +, 3.4.3 +, 3.5.1+ ・ NumPy 1.9, 1.10, 1.11 ・ Six 1,9
Requirements for some features（ Exigences pour certaines fonctions): ・ Prise en charge de CUDA CUDA 6.5, 7.0, 7.5, 8.0 filelock g++ 4.8.4+ ・ Prise en charge de CuDNN cuDNN v2, v3, v4, v5, v5.1 ・ Prise en charge du modèle Caffe Protocol Buffers (pip install protobuf) protobuf>=3.0.0 is required for Py3 ・ Prise en charge des jeux de données d'image Pillow ・ Prise en charge de la sérialisation HDF5 h5py 2.5.0 ・ Utilitaires de test Mock Nose
Il y en a beaucoup (git peut télécharger le code source, et en bas de la page, vous trouverez ce dont vous avez besoin pour utiliser la bibliothèque et comment l'utiliser facilement, ce sera donc utile lors de sa première utilisation). Je pensais que c'était difficile parce que c'était quelque chose dont j'avais à peine entendu parler, mais parce que "Python", "Numpy" et "Six", qui sont nécessaires pour effectuer les fonctions minimales, sont inclus dans anaconda. , Pas besoin d'installer.
De plus, "g ++", qui est une exigence pour certaines fonctions, est installé depuis le début sur Mac. "Filelock", "Pillow", "h5py" et "Nose" sont également inclus dans anaconda, il n'est donc pas nécessaire de les installer de nouveau.
Numpy Numpy est une extension module pour un calcul numérique efficace en python.
"Comment utiliser le bulletin de programmation NumPy" http://programming.blogo.jp/python/numpy/introduction
Lorsque je laisse apprendre l'intelligence artificielle, je fais du calcul matriciel, Vous pouvez utiliser Numpy pour effectuer des calculs très facilement.
Six Six est un package pour absorber la différence entre les séries python 2 et 3. Par exemple, même s'il existe des bibliothèques avec des noms différents dans les 2e et 3e séries, vous pouvez les utiliser avec le même nom en les installant via Six.
"Library Six pour l'écriture de code sans version en 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 (prononcé couda) est un environnement de développement complet pour les ordinateurs GPU fourni par NVIDIA. GPU (abréviation d'unité de traitement graphique, spécialisée dans le traitement d'image, bon pour le traitement de données simples et énormes, le processeur est bon pour le calcul continu, mais le GPU est bon pour le calcul parallèle) et CUDA Pour plus d'informations, veuillez consulter le site suivant.
"Calcul GPU à partir de zéro" http://www.gdep.jp/page/view/248
filelock filelock est pour le contrôle exclusif. Le contrôle exclusif signifie que lorsqu'un conflit survient avec une ressource partagée qui peut être utilisée par plusieurs processus lorsque le programme est exécuté, si un processus utilise la ressource exclusivement, un autre processus l'utilise. Pour l'empêcher.
"Le contrôle exclusif est" lock "(lock): -IT terme binaire" http://www.sophia-it.com/content/%E6%8E%92%E4%BB%96%E5%88%B6%E5%BE%A1
g++ Qu'est-ce que g ++?
Un compilateur C ++ inclus dans GCC de GNU.
Je n'ai pas compris ce que c'était. GNU est lu comme Gnu, et il semble être un système d'exploitation (abréviation de système d'exploitation, logiciel pour exécuter des ordinateurs) et une large collection de logiciels informatiques.
GCC est un compilateur développé et publié par GNU Project (terme général désignant les projets de développement du groupe de logiciels compatibles UNIX). ..
Cela signifie-t-il qu'une organisation qui tente de vulgariser le logiciel libre crée un système d'exploitation appelé GNU compatible avec UNIX et le compile (rendant le code écrit par l'homme lisible par les ordinateurs)?
「g++」 http://kaworu.jpn.org/cpp/g++
cuDNN cuDNN est une bibliothèque optimisée pour le GPU fournie par une société appelée NVIDIA pour le développement de DNN (Deep Neural Network).
L'apprentissage en profondeur est simple, mais cela prend beaucoup de temps s'il s'agit d'un processeur car il effectue une énorme quantité de calculs et, dans certains cas, il ne progresse guère. Je pense que ce n'est pas grave si vous pensez que l'apprentissage en profondeur peut être effectué plus rapidement que le processeur.
"GTC 2015 --CUDA Library" cuDNN "for Deep Learning" http://news.mynavi.jp/articles/2015/04/10/gtc2015_cudnn/
Protocol Buffers Cet article était très facile à comprendre sur les tampons de protocole.
"J'ai recherché des tampons de protocole" http://qiita.com/aiueo4u/items/54dc5dd8c4772253634c
Pillow Pillow est une bibliothèque de traitement d'images python qui peut traiter un grand nombre d'images à la fois. À propos, il en existe un similaire appelé PIL, mais comme il ne prend pas en charge la série pyhton3, Pillow est souvent utilisé.
Pour apprendre l'intelligence artificielle, il est nécessaire de charger un grand nombre d'images, mais les images à charger doivent être de la même taille, ou les images sont traitées pour augmenter le nombre d'images. Cette bibliothèque est pratique dans un tel cas.
"Comment utiliser Pillow (PIL), une bibliothèque de traitement d'image pour Python 3.5" https://librabuch.jp/blog/2013/05/python_pillow_pil/
h5py S'agit-il d'une bibliothèque pour utiliser le format de fichier HDF5?
Si cela empêche l'installation de Chainer, consultez cet article.
"Conseils non officiels pour ceux qui ont des difficultés à installer Chainer 1.5" http://qiita.com/unnonouno/items/c491b6df59352159cbf0
Mock Je pense qu'il est bon de penser qu'il est utilisé lors des tests de logiciels.
"Exploration de Moq - Partie 1: Qu'est-ce que Moq? Qu'est-ce que Mock? Et Mock Generation #adcjcs" http://blogs.wankuma.com/masaru/archive/2010/12/03/195469.aspx
Nose Je pense que Nose est un environnement d'exécution de test.
"J'ai écrit un test unitaire avec le nez Python" http://blog.chocolapod.net/momokan/entry/8
Les exigences minimales sont déjà installées, donc immédiatement Installons Chainer.
Installation de chaînes
$ pip install chainer
pip est un outil de gestion de packages python. pip est déjà dans anaconda, vous n'avez donc pas besoin de l'installer à nouveau. En installant Chainer avec pip, vous pouvez installer Chianer dans l'environnement de la version python que vous utilisez actuellement.
Le Chainer installé se trouve dans User / your_name / .pyenv / versions / anaconda2-4.2.0 / lib / python2.7 / site-packages / chainer.
Vous avez maintenant installé Chainer. La prochaine fois, nous installerons CSLAIER, qui permet d'effectuer l'apprentissage automatique à l'aide d'une GUI (interface utilisateur graphique).
Recommended Posts