本文详细介绍如何开始深度学习,首先在Windows 10上配置适合它的环境。要安装的框架是Keras API,后端为TensorFlow的GPU版本。
这与我(Tamim Mirza)在自己的深度学习项目中使用的程序相同,它对我很有帮助。本文旨在在一个地方汇集所有必要和更新的信息,而不是挨个搜索它们。
让我们开始吧。
深度学习是机器学习的一个子集,它利用多层人工神经网络在诸如对象检测,语音识别,语言翻译等任务中提供最先进的准确性。
深度学习与传统的机器学习技术的不同之处在于,它们可以自动学习图像,视频或文本等数据的表示,无需引入手工编码规则或人类领域知识。它们高度灵活的架构可以直接从原始数据中学习,并在提供更多数据时提高其预测的准确性。
为了对任何数据集进行深度学习,软件或程序要有足够强大的计算机系统才能满足所需的计算力。所以需要:
1)中央处理器(CPU) - 英特尔酷睿i5第六代处理器或更高。AMD与此同级的处理器也很不错。
2)RAM - 至少8 GB,建议16 GB或者更高。
3)图形处理单元(GPU) - NVIDIA GeForce GTX 960或更高版本。AMD的GPU并不推荐进行深度学习。
4)操作系统 - Microsoft Windows 10(推荐64位)。我建议在继续之前将Windows 10升级到最新版本。
注意:如果选择笔记本电脑,理想的选择是从公认不错的供应商购买游戏本,如华硕,联想的Legion,宏碁的Predator,戴尔外星人等。
现在要进行深度学习,我们将使用一种称为GPU计算的方法,该方法将复杂的数学计算引导到GPU而不是CPU,这大大减少了整体计算时间。为此,我们按以下顺序安装必要的组件:
Visual Studio对于安装下两个组件至关重要。我推荐VS2017(因为我就在使用),因为它的性能要比以往版本好,安装也会很容易。但你也可以使用2010年至2017年的任何VS版本。
下载Visual Studio 2017:https://visualstudio.microsoft.com/downloads/
下载旧版本的Visual Studio:https://visualstudio.microsoft.com/vs/older-downloads/
我们需要使用Visual Studio IDE,因为Visual Studio Code只是一个代码编辑器,不能以这种方式使用。成功安装IDE后,必须安装C ++开发和Windows 10 SDK(版本10.0.15063.0)的组件。
该软件组件是使GPU能够进行GPU计算所需的。我们将下载9.0版本,因为这是与我们将要安装的框架兼容的版本。
注意:TensorFlow与CUDA Toolkit 9.1和9.2不兼容,因此请仅安装CUDA Toolkit 9.0
下载CUDA Toolkit 9.0:https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
CUDA 9.0的官方Windows安装文档:https://docs.nvidia.com/cuda/archive/9.0/cuda-installation-guide-microsoft-windows/index.html
注意:在安装之前确保您的NVIDIA GPU驱动程序是最新的,更简单的方法是安装NVIDIA GeForce Experience,CUDA捆绑了所需的驱动程序,但这些只是它所需的最低版本。
接下来,你需要进入CUDA安装中的samples文件夹,如果在安装期间选择了默认路径,则该文件夹位于:
Result = PASS
在验证安装后,需要将CUDA Toolkit添加到Path环境,通过以下方法完成:
步骤1
右键“此电脑”快捷方式,然后选择“属性”
然后选择高级系统设置(左上角)
选择环境变量
转到底部可滚动窗口,然后双击选择Path变量
在变量中添加CUDA 9.0路径
下载NVIDIA cuDNN:https://developer.nvidia.com/rdp/cudnn-download
您需要注册一个NVIDIA开发者帐户才能下载,这是免费的,没有多麻烦。下载CUDA 9.0的cuDNN 7(最新版本)。下载后,将其解压,然后你会看到3个文件,执行以下操作:
完成后,你的GPU现在可以执行GPU计算了。
conda update conda
conda update anaconda
现在,创建环境后,请前往环境并单击“play”按钮并选择“Open Terminal”
在我们的环境激活后,CMD会被打开
现在我们可以一次安装一个包,只需将代码复制粘贴到终端上并按下回车:
TensorFlow-GPU
资料来源:https://www.tensorflow.org/install/install_windows
pip install --ignore-installed --upgrade tensorflow-gpu
pip install keras
暂时不要关闭命令提示符(终端)
验证已安装的组件是否正常工作:
python
>>> import tensorflow
>>> import keras
如果两者都运行没有任何错误,则表示安装成功。
Anaconda捆绑了Jupyter Notebook,只需点击即可下载并安装。启动Anaconda Navigator并在主页选项卡上有一个部分显示“Application on”,默认为root只需将其更改为相应的环境,并且可以选择下载Jupyter Notebook。
只需单击install即可下载并安装它
下载PyCharm:https://www.jetbrains.com/pycharm/
适用于Visual Studio 2017的Python工具
注意:我没有在Visual Studio 2015或更早版本中使用Python工具,因此我不确定它们是如何运行的
对于Visual Studio 2017,启动Visual Studio Installer并选择要安装的“Python Development”工作负载,如图所示