Vous le faites les gars?
** Apprentissage automatique **
Au cours des dernières années, il a été présenté comme le troisième boom de l'IA. Intelligence artificielle, apprentissage automatique, réseaux de neurones, apprentissage en profondeur J'ai étudié en silence ces derniers temps, mais ... c'est un peu difficile ...
Cette fois, mettons de côté ce domaine et créons rapidement un environnement d'apprentissage automatique. C'est étonnamment facile à faire. (Je pense qu'il existe de nombreux articles de référence, mais ils servent aussi de notes personnelles)
Si vous souhaitez utiliser "Google Colaboratory" Ici
・ ** SE **: Windows10 Professionnel ・ ** GPU **: GeForce 940MX ・ ** Processeur **: Core i5-7200U ・ ** Mémoire **: 16 Go
Tout d'abord, installons CUDA Toolkit et cuDNN en vous référant à cet article.
C'est parce qu'il est requis lors de l'utilisation de TensorFlow (version GPU).
En guise de mise en garde, si vous téléchargez CUDA avec le lien dans l'article, ce sera la dernière version 10.1, et vous devez définir un lien symbolique lors de son utilisation avec TensorFlow, donc [ici](https: // developer. Il est plus facile de télécharger et d'installer l'archive 10.0 à partir de nvidia.com/cuda-10.0-download-archive).
L'environnement Python utilise ʻAnaconda`.
En fait, j'ai déjà créé un environnement d'apprentissage automatique même dans un environnement simple Python 3.7.
Et j'ai pensé que j'écrirais un article comme "Créer un environnement d'apprentissage automatique sur Windows 10 sans Anaconda".
Cependant, au cours de mes recherches, j'ai trouvé des articles selon lesquels l'environnement installé avec conda est plus rapide.
"Eh bien, alors recréez l'environnement avec Anaconnda?"
Dans cet esprit, j'ai construit un environnement Python avec Anaconda.
Alors, commencez par télécharger et installer le programme d'installation depuis Anaconda Official.
à mi-chemin
Add Anaconda to my PATH environment variavle
Si vous cochez la case, le chemin Anaconda sera inclus dans les variables d'environnement.
Après l'installation, utilisez une invite de commande, PowerShell, etc.
conda python pip
Exécutons les trois ci-dessus et vérifions si le chemin est en place.
Anaconda facilite la création d'un environnement Python. Si vous souhaitez en savoir plus sur les avantages, nous laissons cette fois-ci le soin de l'enseignant de Google.
La commande pour créer un environnement virtuel est la suivante
> conda create --name myenv python=3.7
La partie de myenv est le nom de l'environnement virtuel, veuillez donc choisir le nom de votre choix. Vous pouvez créer un environnement bang-bang avec juste cela.
Changer d'environnement
> conda activate myenv
Vous pouvez changer avec.
> activate myenv
Cependant, cela semble être une ancienne version de l'écriture, À première vue, il semble qu'il ait basculé sans aucune erreur, L'environnement n'a pas été changé même si je le vérifie avec ʻinfo` décrit plus tard.
Pour voir dans quel environnement vous êtes actuellement actif
> conda info -e
Vous pouvez le vérifier comme suit.
# conda environments:
#
base C:\Users\<Nom d'utilisateur>\Anaconda3
myenv * C:\Users\<Nom d'utilisateur>\Anaconda3\envs\myenv
L'environnement actuel est marqué d'un "*".
Vous n'en aurez peut-être pas besoin, car il dit «cela semble nécessaire». Je veux essayer divers machine learning! Cela peut être nécessaire dans ce cas.
conda install pandas
conda install scikit-learn
conda install scikit-image
pip install gym
conda install -c conda-forge jsanimation
conda install pyglet
conda install -c conda-forge ffmpeg
pip install --no-index -f https://github.com/Kojoley/atari-py/releases atari_py
Il y a une histoire que le mélange de conda install et pip install va casser l'environnement
Je voudrais éviter d'utiliser pip install si possible, mais c'est inévitable si Anaconda n'a pas de package ...
Si vous avez TensorFlow, il est inclus dans Keras, donc vous n'en avez pas besoin, non?
Je pense qu'il y a une opinion, mais juste au cas où, elle peut être mélangée dans l'échantillon.
conda install -c conda-forge keras
conda install pydotplus
conda install tensorflow
conda install tensorflow-gpu
Avec ce qui précède, l'environnement pour l'apprentissage automatique a été mis en place dans une certaine mesure.
<détails> Je l'ai installé régulièrement, et maintenant j'ai diverses choses dans un environnement virtuel.
Je pense qu'il est normal de créer un environnement virtuel séparé et de le diviser en fonction de l '«utilisation». Après cela, j'ai cherché un échantillon et essayé de le déplacer,
Je pense que vous pourrez essayer vous-même diverses choses! ・
・
・
Je voudrais dire, mais l'échantillon de TensorFlow Official vous permet également de découvrir des didacticiels sur «Google Colaboratory».
(C'est naturel car c'est une bibliothèque développée par Google) Il semble donc que vous ayez encore besoin de suffisamment de connaissances pour comprendre l'ancienne version de l'exemple et la modifier ... \ _ (┐ "ε :) _ J'étudie toujours l'apprentissage automatique, mais si je peux faire quelque chose d'intéressant à l'avenir,
Tant que la mémoire de mon cerveau rattrape, j'aimerais l'envoyer!
~~ (déjà du pain de pain) ~~conda list </ summary> # Name Version Build Channel
_tflow_select 2.1.0 gpu
absl-py 0.8.1 py37_0
astor 0.8.0 py37_0
astroid 2.3.2 py37_0
atari-py 1.2.1 pypi_0 pypi
blas 1.0 mkl
ca-certificates 2019.10.16 0
certifi 2019.9.11 py37_0
cloudpickle 1.2.2 py_0
colorama 0.4.1 py37_0
cudatoolkit 10.0.130 0
cudnn 7.6.4 cuda10.0_0
cycler 0.10.0 py37_0
cytoolz 0.10.0 py37he774522_0
dask-core 2.6.0 py_0
decorator 4.4.1 py_0
ffmpeg 4.2 h6538335_0 conda-forge
freetype 2.9.1 ha9979f8_1
future 0.18.2 pypi_0 pypi
gast 0.2.2 py37_0
google-pasta 0.1.7 py_0
grpcio 1.16.1 py37h351948d_1
gym 0.15.4 pypi_0 pypi
h5py 2.9.0 py37h5e291fa_0
hdf5 1.10.4 h7ebc959_0
icc_rt 2019.0.0 h0cc432a_1
icu 58.2 ha66f8fd_1
imageio 2.6.1 py37_0
intel-openmp 2019.4 245
isort 4.3.21 py37_0
joblib 0.14.0 py_0
jpeg 9b hb83a4c4_2
jsanimation 0.1 py_1 conda-forge
keras 2.3.1 py37h21ff451_0 conda-forge
keras-applications 1.0.8 py_0
keras-preprocessing 1.1.0 py_1
kiwisolver 1.1.0 py37ha925a31_0
lazy-object-proxy 1.4.3 py37he774522_0
libgpuarray 0.7.6 hfa6e2cd_1003 conda-forge
libpng 1.6.37 h2a8f88b_0
libprotobuf 3.9.2 h7bd577a_0
libtiff 4.1.0 h56a325e_0
mako 1.1.0 py_0 conda-forge
markdown 3.1.1 py37_0
markupsafe 1.1.1 py37hfa6e2cd_0 conda-forge
matplotlib 3.1.1 py37hc8f65d3_0
mccabe 0.6.1 py37_1
mkl 2019.4 245
mkl-service 2.3.0 py37hb782905_0
mkl_fft 1.0.15 py37h14836fe_0
mkl_random 1.1.0 py37h675688f_0
networkx 2.4 py_0
numpy 1.17.3 py37h4ceb530_0
numpy-base 1.17.3 py37hc3f5095_0
olefile 0.46 py37_0
opencv-python 4.1.1.26 pypi_0 pypi
openssl 1.1.1d he774522_3
opt_einsum 3.1.0 py_0
pandas 0.25.2 py37ha925a31_0
pillow 6.2.1 py37hdc69c19_0
pip 19.3.1 py37_0
protobuf 3.9.2 py37h33f27b4_0
pydotplus 2.0.2 py37_1
pyglet 1.3.2 pypi_0 pypi
pygpu 0.7.6 py37hc8d92b1_1000 conda-forge
pylint 2.4.3 py37_0
pyparsing 2.4.2 py_0
pyqt 5.9.2 py37h6538335_2
pyreadline 2.1 py37_1
python 3.7.5 h8c8aaf0_0
python-dateutil 2.8.1 py_0
pytz 2019.3 py_0
pywavelets 1.1.1 py37he774522_0
pyyaml 5.1.2 py37hfa6e2cd_0 conda-forge
qt 5.9.7 vc14h73c81de_0
scikit-image 0.15.0 py37ha925a31_0
scikit-learn 0.21.3 py37h6288b17_0
scipy 1.3.1 py37h29ff71c_0
setuptools 41.6.0 py37_0
sip 4.19.8 py37h6538335_0
six 1.12.0 py37_0
sqlite 3.30.1 he774522_0
tensorboard 2.0.0 pyhb230dea_0
tensorflow 2.0.0 gpu_py37h57d29ca_0
tensorflow-base 2.0.0 gpu_py37h390e234_0
tensorflow-estimator 2.0.0 pyh2649769_0
tensorflow-gpu 2.0.0 h0d30ee6_0
termcolor 1.1.0 py37_1
theano 1.0.4 py37h6538335_1000 conda-forge
tk 8.6.8 hfa6e2cd_0
toolz 0.10.0 py_0
tornado 6.0.3 py37he774522_0
tqdm 4.36.1 py_0
vc 14.1 h0510ff6_4
vs2015_runtime 14.16.27012 hf0eaf9b_0
vs2015_win-64 14.0.25420 h55c1224_11
webencodings 0.5.1 py37_1
werkzeug 0.16.0 py_0
wheel 0.33.6 py37_0
wincertstore 0.2 py37_0
wrapt 1.11.2 py37he774522_0
xz 5.2.4 h2fa13f4_4
yaml 0.1.7 hfa6e2cd_1001 conda-forge
zlib 1.2.11 h62dcd97_3
zstd 1.3.7 h508b16e_0
Résumé
TensorFlow 2.0.0 n'a pas encore été lancé ...
Il existe de nombreux exemples de versions antérieures, mais il y a beaucoup de choses qui ont changé dans 2.0.0, et beaucoup de choses ne fonctionnent pas comme elles sont.