Este es el primer registro que aprendí una profundidad de entre cero y aprender, no saben cómo escribir registro de aprendizaje, no se sabe cuánto se puede aprender, en definitiva, para grabar su propio proceso de aprendizaje, el caso del proceso de boxes, con toda la profundidad del aprendizaje el proceso será de 11 registros, por un lado, a sí mismo para mirar hacia atrás un poco de lectura para, por otro lado la referencia a otros estudiantes, de acuerdo con el cual se puede resolver el problema correspondiente.
2020 de marzo de 9 mediante el primer párrafo del código
<La instalación de una gran cantidad de gente lee el blog instalación, integración y finalmente enderezar un poco, digamos, al final veo éste para construir entorno de aprendizaje profundo es suficiente, paso a paso para la instalación de acabado Tensorfllow2.0-GPU / entorno de CPU + Keras es sin duda no hay problema>
Consejos: CPU y el montaje de la GPU es sustancialmente el mismo, pero debido a que el equipo no se puede instalar la GPU a problemas de configuración, para saltar 2.1 configuración NVIDIA CUDA / cuDNN, directamente después de la finalización de la instalación se puede instalar en la pitón 2.2tensorflow el medio ambiente.
Una configuración de ordenador:
Gráficos: Nvidia GeForce 920MX - Versión inicial: 382.05
B entorno de instalación de destino:
c- cuda10.0 - acelerador de cómputo NVIDIA
cudnn7.5 d- para cuda10.0 - acelerador de red neuronal
(Cuda10.0 y cudnn se instalan requisitos de la versión tensorflow-GPU, CPU versión no requiere, al mismo tiempo CUDA versión y la versión cudnn se asocia)
f- herramientas de programación: Pycharm2019
C proceso de ejecución de la instalación:
entorno de instalación 1.Python
1.1 Anaconda instalar el entorno de Python
ambiente pyhton: Anaconda-Python3.7
Descargar: https://repo.anaconda.com/archive/Anaconda3-2019.10-Windows-x86_64.exe
https://www.python.org/downloads/release/python-376/
Este utiliza el entorno Anaconda instalación de Python ¿por qué no directamente pyhton3 * exe instalarlo temprana investigo mucho, por dos razones que se resumen de la siguiente manera: .. 1) Anaconda integra una serie de paquetes,? Muy fácil de manejar paquete ; 2) una gran cantidad de personas anaconda personas son recomendados; (de hecho el principio, yo estaba python3.7.exe directamente a instalar, e instalado, nada diferente)
Consejos: Se recomienda que compruebe en primer lugar en una variable Path añadido al sistema, volver a guardar con el medio ambiente, que se puede utilizar comando cmd directamente a ejecutar.
1.2 prueba de Anaconda si la instalación se ha realizado correctamente: Lista de Conda
Puedo ver una gran cantidad de bibliotecas con anaconda, normalmente se instala en general, no puede ir mal este es un software de instalación sencilla.
1.3 Configuración interna del espejo - descarga dependencias para acelerar
Sabemos Python y otros lenguajes de desarrollo no son domésticos, servidor extranjera, descarga suave armaduras son relativamente lenta, de una manera mejor es descargar las parejas de hecho la fuente de imágenes para cambiar el espejo, por un lado, más rápido velocidades de descarga, por otra parte no tan fácil de error de descarga interrupción.
Aquí se utiliza una fuente de espejo de la Universidad de Tsinghua, cmd abierta, algunos directamente escribiendo el siguiente comando:
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
marco de aprendizaje de profundidad 2. Instalación
a- montaje Acelerador de cómputo CUDA
b- instalación cuDNN red neuronal acelerador de computación (y apoyando el primero, éste no se pudo instalar, se sigue sin instalación tensorflow)
Debido a esto hemos instalado la versión tensorflow2.0-GPU, GPU versión tiene los requisitos especiales del hardware del sistema, la versión de la CPU no lo hace. Requisitos figura, por lo que antes de instalar Tensorflow, tiene que instalar el controlador requiere NVIDIA CUDA GPU y herramientas de apoyo :
Consejos: Si usted no está de gráficos por ordenador tarjetas gráficas NVIDIA está AMD, etc, puede saltar directamente este paso 2.1, hay una tarjeta gráfica NVIDIA GPU no se puede instalar la versión sólo se puede ejecutar la versión de la CPU.
2.1 CUDA (acelerador de cálculo NVIDIA proporcionado específicamente)
Antes de la instalación, compruebe primero si pueden apoyar la NVIDIA en el mapa, si cumplen con los requisitos, puede saltarse este paso para actualizar la tarjeta de vídeo. Si no se puede cumplir, es posible que tenga que actualizar el aspecto del controlador de gráficos (no sé si tenga éxito, el autor equipo GeForce 920MX versión original 382,05 actualizado correctamente para cumplir con los requisitos de 416,94, de hecho, se puede actualizar a una versión superior de la red no es buena sin la otra hacia abajo)
2.1.1 determinar si se reúnen los requisitos de instalación gráficos tensorflow2.0-GPU
Método: Panel de control - Hardware y Panel de control NVIDIA sonido (o de otro modo entrar en el Panel de control NVIDA) - para ver la versión actual de la información de tarjeta de gráficos
Si cumple con los requisitos de instalación, a continuación, omita el paso de actualización, vaya directamente a la tercera etapa de la instalación de CUDA.
No, tienen la oportunidad de mejorar nuestros conductores tienen que comprobar.
2.1.2 unidad de actualización
GeFerce tarjeta gráfica: https://www.geforce.com/drivers
Otra versión de NVIDIA cheque: https://www.nvidia.com/Download/index.aspx?lang=en-us
En esta página web los modelos de ustedes ahora de gráficos por ordenador, la siguiente consulta para ver si puede actualizar el paquete, y hay una descarga de actualización de paquetes para satisfacer la demanda lo suficientemente mayor como el autor de:
Mirada, mucho se puede actualizar el paquete, y mayor que 410.X, nos gusta para descargar una (Consejos :. Desafortunadamente, los puntos van a descargar, puede ser un problema de red, descarga directa falló, y finalmente encontró una línea 416 versión se ha actualizado, puede actualizar requiere el comentario)
Bueno, después de la descarga, la instalación predeterminada está terminada, la instalación, vamos al panel de control de NVIDIA, se puede ver la última versión de las actualizaciones, como se muestra:
Para parecer, podemos empezar a instalar amigos CUDA, cuda10.0 aquí para instalar la versión correspondiente (recomendado actualización terminado, reinicie el equipo)
2.1.3 CUDA10.0 de montaje (acelerador calculado)
CUDA Descarga (Descarga incorrecta puede encontrar que comparta la sección de comentarios):
https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
Primero, el programa mostrará un alivio de presión de tipo fichero a continuación, se instala formalmente, el primer paso en la instalación recuerde que elegir la instalación personalizada, la recomendación de instalación por defecto puede encontrar pozos.
2.1.3-2 GeForce cancelar la instalación del componente mismo .NVIDIA casi fuera de él.
2.1.3-3 componentes de Visual Studio Intergration no instalados (VS instalada la máquina se puede comprobar, no instale el gancho - este punto de ajuste se mostrará en la apertura CUDA)
2.1.3-4 Pantalla comparación de versiones del driver: Este paso es muy importante, asegúrese de comprobar la versión correcta, o instalar un error (- este punto de ajuste se mostrará en la apertura CUDA):
Gráficos comparación de versiones, si el número de versión actual es mayor que CUDA tarjeta gráfica en sí la versión por defecto instalado, asegúrese de cancelar el gancho. Me gusta la versión actual de la actualización del ordenador es de 416, mientras que la versión de CUDA se instala por defecto 411, que no es necesario gancho elecciones !!!!
De hecho, CUDA aquí principalmente a la versión gráficos por ordenador no es suficiente, tenemos que actualizar la versión de tarjeta de vídeo con, parece un poco como el sabor de nuestra 2.1.2 actualizar la tarjeta de vídeo. Esto es lo que veo detrás de la información que se encuentra también con CUDA tarjeta gráfica actualizar este beneficio, por lo parece perfectamente posible omitir los pasos 2.1.2 gráficos de actualización de la tarjeta, no han sido evaluados, se recomienda no instalar los estudiantes tratan de actualizar la tarjeta de vídeo debe ser capaz de saltarse este paso, si tiene éxito, podría informar comentario sobre ustedes mismos.
2.1.3-5 software de localización de la instalación necesidad de permanecer en él, sabe allí en la línea, tales como el medio ambiente ruta de configuración a utilizar.
2.1.3.6 temporalmente dejar a un lado, tomando primero cuDNN (se extrae el archivo, el archivo que desea ejercer presión CUDA lugar adecuado para instalar los archivos), instale la variable de entorno PATH Afortunadamente, la parte posterior de la configuración CUDA.
2.1.4 Instalación cuDNN7.5 Para CUDA10.0
https://developer.nvidia.com/rdp/cudnn-archive
cudnn versión CUDA mirada, como cuda10.0, puede ser cudnn 7. * para cuda10.0, recuerde que debe buscar la versión correspondiente de CUDA, y hay que instalar la versión correspondiente de CUDA. Entrar aquí Debe registrarse para descargar.
Descomprimir la carpeta descargada en una buena entrar en cuDNN, hay tres carpetas [bin, incluir, lib].
Entonces cudnn esta carpeta en el directorio raíz de la instalación de la figura cudn:
2.1.5 configurar y probar CUDA y cuDNN
variable de entorno (1) de configuración
-Path la variable entorno de configuración (Mi PC - Propiedades - propiedades avanzada del sistema - Variables de entorno - Las variables del sistema - Editar variable Path)
Principalmente en la variable Path mediante la adición de los siguientes cuatro registros en el directorio de instalación de ruta CUDA, y se utiliza para iniciar CUDA ambiente cuDNN, y debe ser en este orden, debe estar en la parte superior, es indispensable (ver directorio directorio específico que ha instalado usted mismo).
C: \ Archivos de programa \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.0 \ bin
C: \ Archivos de programa \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.0 \ libnvvp
C: \ Archivos de programa \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.0 \ extras \ CUPTI \ libx64
C: \ Archivos de programa \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.0 \ cudnn
(4 filas son indispensables, debe ser en la parte superior, dispuestas en este orden, los dos primeros se pueden instalar camino cuda será añadido automáticamente, si dispuesto directamente detrás de los dos similares)
(2) Para probar si la instalación ha sido exitosa CUDA
nvcc -V
Se puede ver una gran salida y una buena versión de CUDA, lo que indica que la instalación se ha realizado con éxito amigos
2.2 Instalación Tensorflow2.0-GPU versión / CPU
Lo anterior pasos para completar el preludio de la estructura de montaje, todo está listo solamente un fuerte viento, podemos empezar Yingchu nuestro verdadero protagonista está instalado, por ejemplo, al final, si todo lo anterior no se ha instalado correctamente TensorFlow falló la instalación.
Se recomienda Python 2.2.1 para crear un nuevo entorno virtual de instalación (no instalar un entorno virtual, puede omitir en 2.2.2 (3))
¿Por qué entorno virtual se puede encontrar en mi escritura previa de un blog :? Python ¿Por qué utilizar instalar y configurar entornos virtuales -Python -virtualenv entorno virtual ( https://blog.csdn.net/godot06/article/details/81079064 )
El núcleo es colocar la versión principal no es compatible con conflictos de versión, por lo que cualquier proyecto o hacer la investigación sugiere el uso de entornos virtuales. Por ejemplo, un día queremos jugar con la trama de datos tensorflow2.0, utilice el tensorflow2.0 máquina virtual, la máquina virtual que ha empacado la biblioteca correspondiente; algún día tenemos que utilizar marco pytourch a la formación, que cambiar a pytourch entorno virtual de manera que los dos pueden ser paralelos compatibles, no será tan compatibles propensos a conflictos en los que se llevó a cabo. ejemplo, no necesariamente tiene que separar estos dos marcos de Kazajstán, no pueden juntos y no sé, después de todos los platos, este es mi primer notas de estudio profundidad.
Consejos: Si no desea utilizar una máquina virtual, por favor omitir parte de la máquina virtual no afecta a la instalación tensorflow, pero se recomienda para su uso, así que no poner el entorno original u otro desastre ambiental y si ese tiempo desea cambiar la máquina directamente a la corriente. importar el medio ambiente, de los cuales se puede cambiar.
En Anaconda sobre los comandos de la máquina virtual son:
a- ver qué entorno virtual actualmente: Información Conda --envs
b- cheque qué versiones de Python se pueden utilizar para instalar un entorno virtual: CONDA buscar nombre --full pitón
(En realidad, hay algunos Conda para ver versión posterior pyhton instrucciones de instalación Anaconda también puede especificar la versión Python para ser instalado de acuerdo a sus propias necesidades al crear un nuevo entorno virtual)
c- nueva máquina virtual versión especificada de la máquina virtual: CONDA crear --name tensorflow pitón = 3,7
(Esto es para crear un entorno virtual para entornos virtuales nombre python3.7 es tensorflow)
d- activar máquinas virtuales / acceso a la máquina virtual: de un tensorflow activar
( Después de entrar en las máquinas virtuales que se puede entender como, él es un nuevo entorno pitón, dentro de las operaciones de comando pitón se realizan como se puede ver la versión actual del pitón: Pitón --version)
e- salir de la máquina virtual: Desactivar
f- eliminar la máquina virtual actual: CONDA eliminar --name yourenvname (tensorflow) --all
Consejos: Una vez más, si usted no desea utilizar una máquina virtual, por favor omitir parte de la máquina virtual, entran 2.2.2 (3) no afecta a la instalación tensorflow, pero se recomienda para su uso, por lo que no ponen el entorno original, o en otro entorno lío. Si desea cambiar la máquina del tiempo, importada directamente al entorno actual puede cambiar de adentro hacia afuera.
Aquí entramos en el Tensorflow2.0-GPU barra de bastidor de montaje buen protagonista
2.2.2 Instalación Tensorflow
(1) Nuevo entorno virtual llamado tensorflow, tensorflow usada dedicado al aprendizaje y la formación, la versión especificar python3.6
conda create --name tensorflow python=3.6
(2) en la nueva construcción, y más tarde a utilizar siempre el entorno virtual
En este entorno virtual, quiero instalar dependerá de la estructura, tales como nuestro protagonista tensorflow2.0-GPU y otras dependencias pitón (es decir, después de tensorflow asociados con la dependencia que ha instalado esta entornos virtuales). Instalación versión tensorflow2.0-GPU (el ojo de los siguientes, o rotura):
pip install --ignore-installed --upgrade tensorflow-gpu==2.0① Si está utilizando una versión elaboro o proporciono CUDA10.0, la instalación tensorflow-GPU, designado para ser descargado después tensorflow por encima de 2,0, no especifique será descargar la última tensorflow, tales como la última es 2.1, y se modelo de la tarjeta de vídeo no coincide con la instalación se ha completado correctamente y sin errores, pero cuando tensorflow importar importar le dará error inexplicable. Recuerda Recuerda
② Si el ordenador no tiene tarjetas gráficas NVIDIA, se dijo anteriormente, este paso puede saltar directamente al paso 2.1, el mismo puede contener un entorno virtual, y luego usar el siguiente comando para instalar la versión de la CPU tensorflow2.0
pip install --ignore-installed --upgrade tensorflow==2.0
Instalación de ciertos medios escritos tensorflow registro:
Estos se montan en el tensorflow dependiente instalado automáticamente.
2.3 Instalación Kares
Dado que también se utiliza los Keras proyecto, por lo que aquí el registro sobre (no se requiere puede ser omitido)
pip install keras -U --pre
2.4 Prueba la versión tensorflow instalado con éxito / tensorflow-GPU se ha realizado correctamente
Importación tensorflow utiliza generalmente si tiene éxito, la instalación exitosa de base; prueba tensorflow-GPU tiene éxito, un método puede ser usado adicionalmente:
tensorflow importación como tf.constant tf (1.) + tf.constant (2.) tf.test.is_gpu_available () // GPU es útil para pruebas especializadas
En este punto, nuestra tensorflow2.0 + Kares formalmente instalado en una configuración de entorno virtual se ha completado, los estudiantes pueden participar en la profundidad seria aprender a tocar el .tensorflow aún más el consumo de la máquina, se recomienda para una máquina mejor tarjeta gráfica corriendo. De nuevo Si no desea utilizar una máquina virtual, saltar directamente a una parte de la máquina virtual, no afecta a la instalación tensorflow, pero se recomienda para su uso, así que no poner el entorno original u otro desastre ambiental. Si desea cambiar a una máquina del tiempo, directamente en el entorno actual importación de los cuales se puede cambiar.
3 Herramientas de programación: instalación y uso PyCharm
工欲善其事必先利其器 anterior hemos configurado el medio ambiente, para escribir el código necesario pensar en una espada del dragón, aquí elegimos hacer herramientas PyCharm IDE respetados de la industria.
La versión instalada: 2.019 PyCharm
Pasos para la instalación:
3.1 descargar e instalar
Lo mismo que una instalación de software normal, básico instalado por defecto en ella, la siguiente configuración puede estar en varios lugares al cambio:
3.2 Abrir Pycharm2019
La activación de los de los ojos del espectador sabios ven la sabiduría, te puede liberar de prueba de 30 días.
3.3 entorno de construcción PyCharm
Abrir PyCharm inferior de la página -Configure-Settings- búsqueda intérprete, a continuación, siga los siguientes pasos para configurar entorno virtual instalamos (si no está equipado con un entorno virtual, es decir, la ubicación de la instalación local donde el pitón por defecto)
entorno de construcción (1) entorno virtual Configurar
(2) empezar a crear un proyecto Crear nuevo proyecto - recuerde usar el entorno para seleccionar el entorno de construcción del proyecto actual, al igual que la configuración
(3) un nuevo archivo de programa y de ejecución
Py crear un nuevo archivo, abierto y escribe el siguiente código, se trata de una versión de prueba actualmente instalado tensorflow y si se puede utilizar el código GPU sencilla, el código se puede editar después de la carrera. La conclusión es resultado de la consola de información
tensorflow importación como la versión tf tf = .__ version__ gpu_ok = tf.test.is_gpu_available () print ( "versión tf:", versión, "\ nuse GPU", gpu_ok)
Hasta ahora, hemos aprendizaje profundo de instalación del entorno Anaconda-Python + Tensorflow2.0-GPU + + Keras PyCharm, completamente instalado y probado con éxito. Profundidad Aprender Aquí comenzó un fondo que !!!!!
Instalación de referencia:
1. https://blog.csdn.net/qq_26567507/article/details/89181480
2. https://www.jb51.net/article/174757.htm
3. https://blog.csdn.net/Cs_hnu_scw/article/details/79695347
4. https://blog.csdn.net/Cs_hnu_scw/article/details/79695347
5. https://blog.csdn.net/qq_31456593/article/details/89203335
6. https://blog.csdn.net/weixin_43528943/article/details/103066063
