AI應用開發實戰系列之一: 從零開始配置環境

AI應用開發實戰 - 從零開始配置環境

與本篇配套的視頻教程請訪問:https://www.bilibili.com/video/av24421492/

零、前提條件

  • 一臺能聯網的電腦,使用win10 64位操作系統
  • 請確保鼠標、鍵盤、顯示器都是好的

建議和反饋,請發送到
https://github.com/Microsoft/vs-tools-for-ai/issues

聯繫我們
[email protected]

一、Windows下開發環境搭建

本教材主要參考瞭如下資源:

官方github教程:https://github.com/microsoft/vs-tools-for-ai

鬥魚tv教程:https://v.douyu.com/show/V6Aw87OBmXZvYGkg

本教程分爲五步:
- 安裝VS:難度一星
- 安裝python:難度一星
- 安裝CUDA和cuDNN:這是本教程最繁瑣的一步,這一步直接拉高本教程的平均難度。
- 配置機器學習環境:這是本教程最簡單的一步,爲了方便用戶配置環境,微軟提供了一鍵安裝工具!沒錯,一鍵安裝工具!業界良心阿!
- 安裝VS Tools For AI插件:難度一星

note:本教程對各個軟件需要使用的版本都做出了明確說明,請安裝指定的版本

請放輕鬆,接下來的傻瓜教程不需要動腦子,你甚至可以打開手機邊刷微博邊配置環境

0.安裝Git

訪問 https://git-scm.com/download/win

選擇64-bit Git for Windows Setup下載

雙擊.exe開始安裝

選擇好自己的安裝路徑,一路next,直到Adjusting your PATH environment

請選擇Use Git from the Windows Command Prompt

這一步就已經將Git添加到環境變量中了,然後就可以直接在命令行裏使用Git啦。

然後繼續next,直到安裝結束

1.安裝VS

訪問 https://www.visualstudio.com/zh-hans/products/
產品中點擊Visual Studio 2017

選擇Community版本下載

打開Visual Studio Installer進行如下的配置:

僅選擇.NET桌面開發Python開發即可

僅選擇.NET桌面開發Python開發即可

僅選擇.NET桌面開發Python開發即可

note:請自行決定Visual Studio的安裝路徑

等待數分鐘,時長視網絡狀況而定,這個時候你可以去泡一杯茶,或者聽一首歌,如果你的網絡不是很好,那你可以去看集美劇或者別的什麼,等待安裝結束。

note:坐 和 放寬

2.安裝python

訪問 https://www.python.org/downloads/

選擇版本3.5.43.6.5Windows x86-64 executable installer下載。

打開安裝包,在安裝前,請選擇Add Python 3.X to PATH,隨後按照默認選項安裝即可。

點選後,程序將自動將Python加入環境變量,這樣避免在安裝後手動配置環境變量。

安裝結束後,請進行如下操作驗證python是否安裝成功

1.同時按下 win 與 R,在彈出的輸入框裏輸入cmd
2.在彈出的窗口中輸入 python 
3.輸入exit()退出
4.輸入python -m pip install -U pip以更新pip到最新版本

note: pip是一個用來管理python包的工具

自此,你已經完成了python的安裝,在朝着AI技術大牛的路上又前進了一步!

note:請伸出大拇指給自己一個贊?

3.安裝CUDA與cuDNN

如果你的電腦裝有Nvidia的顯卡,請進行這一步配置,否則請跳過。

首先通過操作系統更新,升級顯卡驅動到最新版。

3.1 安裝CUDA

打開 https://developer.nvidia.com/cuda-toolkit-archive

選擇CUDA 9.0 進行安裝。

點擊後,選擇如下的配置:

note:請選擇local版本下載,一旦失敗還可以重新再來;如果使用network版本,一旦失敗,需要重新下載1.4GB的安裝包

打開安裝包,進行安裝,請自行配置CUDA的安裝路徑,並手動將CUDA庫添加至PATH環境變量中。

note:在Windows中,CUDA的默認安裝路徑是:

“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin”

3.2 安裝cuDNN

note:打起精神!這是操作最複雜的一步!

訪問 https://developer.nvidia.com/rdp/cudnn-archive 找到我們需要的cuDNN版本:

cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0

cuDNN v7.0.5 Library for Windows 10

點擊鏈接,等待着你的並不是文件下載,而是:

↑這就是本教程裏最麻煩的一步:在下載cuDNN之前需要註冊Nvidia會員並驗證郵箱。不過還好可以微信登錄,省掉一些步驟。

一番令人窒息的操作之後,我們終於得到了cuDNN,我們把文件解壓,取出這個路徑的cudnn64_7.dll,複製到CUDA的bin目錄下即可。默認的地址是:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin

note:到這裏,我們已經完成了本教程最複雜的一步了

4.安裝機器學習的軟件及依賴

這一步雖然是整個教程最簡單的一步,甚至比把大象關進冰箱更簡單。

你只需要:

win + R ,打開cmd,在命令行中輸入:

cd c:\  //選擇一個你喜歡的路徑
md  AI  //在這裏創建一個AI目錄
cd AI   //打開這個目錄
//克隆倉庫到本地
git clone https://github.com/Microsoft/samples-for-ai.git
cd samples-for-ai //打開這個目錄
cd installer //還有這個目錄
python.exe install.py //開始安裝

然後刷會微博,等待安裝結束即可。

成功之後是這樣的:

或者你覺得自己不怕麻煩,那麼請訪問:https://github.com/Microsoft/vs-tools-for-ai/blob/master/docs/zh-hans/docs/prepare-localmachine.md

根據教程按步安裝,相信我,你會回來選擇一鍵安裝的。

note:就差一步啦!成功就在眼前!

5.安裝tools for ai插件

打開Visual Studio,選擇工具->擴展和更新->選擇“聯機”->搜索“AI”
就像這樣:

等待下載完成之後,關閉Visual Studio,沒錯,關閉Visual Studio,系統將自動安裝AI插件。

安裝完畢後再次打開Visual Studio,你將在界面上看到這樣的內容:

那麼恭喜你!安裝成功!

note:千里之行始於足下,恭喜你成功地完成了環境的搭建,接下來就已經可以使用Visual Studio Tools For AI進行開發了?

二、離線模型的訓練


6.14日更新
GitHub上的samples-for-ai進行了一定的更新,目前MNIST文件夾下只有一個mnist.py文件,

下述步驟中,請使用最新的mnist.py文件


在進行完環境搭建後,我們馬上就可以開始訓練第一個模型了,我們選擇tensorflow下的MNIST作爲第一個例子。

MNIST的介紹請參考這個鏈接 https://www.tensorflow.org/versions/r1.1/get_started/mnist/beginners

首先我們打開這個路徑:C:\AI\samples-for-ai\examples\tensorflow,如果你在別的目錄下克隆了目錄,那麼請打開你對應的目錄。然後雙擊TensorflowExamples.sln
就像這樣:

note:如果存在多個Python環境,你需要爲Visual Studio的AI項目設置默認的Python環境。

例如,手動安裝的Python 3.5與Visual Studio 2017 Python開發負載自動安裝了64位的Python 3.6

如果要爲Visual Studio設置全局的默認Python環境,請打開工具->Python -> Python環境。然後,選擇自己需要的Python版本,點擊將此作爲新項目的默認環境

然後在解決方案資源管理器中,選擇MNIST,單擊右鍵,選擇設爲啓動項目

然後選擇MNIST中的mnist.py,單擊右鍵,選擇在不調試的情況下啓動

然後程序就開始運行了,就像這樣:

等待一段時間之後,模型就訓練好了!這個時候打開MNIST所在的文件夾,MNIST下是否多了三個文件夾?分別是inputoutput還有export,這三個文件夾分別存儲了訓練模型的輸入文件、訓練時的檢查點文件,還有最終導出的模型文件

檢查點文件:

模型文件:

可能存在的問題

GPU ran out of memory

方法一:
修改convolutional.py第45行或第47行的BATCH_SIZEEVAL_BATCH_SIZE爲一個更小的數字。具體修改哪一個,需要視你在程序運行的哪個部分得到了ERROR決定。

方法二:
不使用GPU訓練,在項目MNIST上單擊右鍵,選擇屬性(R)

修改環境變量爲CUDA_VISIBLE_DEVICES=" "

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章