ディープ ラーニングを開始するためのステップバイステップ ガイド (1): ナニーレベルの Anaconda および PyTorch 環境構成ガイド
ステーション B:すぐに更新します! !!_bilibili
CSDN:ディープラーニングを始めるためのステップバイステップ (1): Nanny-level Anaconda と PyTorch 環境構成ガイド_百年後に閉鎖 - CSDN ブログ Github: 百年後に閉鎖 パブリック アカウント : 百年
後に
閉鎖
1. 序文と準備作業
こんにちは、フォン・ビです!
現在、ディープラーニング技術の継続的な進化により、コンピュータビジョン、自然言語処理、レコメンデーション技術など、程度の差はあれ、私たちの生活は激変しています。ツールや知識の継続的な改善により、ディープラーニングを学ぶ敷居はますます低くなっており、すぐに始めたい学生にとっては、さまざまな資料を収集する必要があり、完全な入門チュートリアルを見つけるのは困難ですここでは、ディープラーニングを初めて始める人に満足してもらうために、学生のニーズに応えるために、ディープラーニングの入門に関する一連の記事を記録してみましょう。学界で最もよく使われています。PyTorch 環境を構成するには、まず Python 環境と Anaconda パッケージをインストールするのが最善です。管理ツール、この記事ではディープ ラーニング、つまり Python と Anaconda の環境構成の全プロセスを紹介し、説明します。 Python ディープ ラーニング環境の構成を完了する方法をステップバイステップで説明します。
1.1 Python、anaconda、pytorch の関係
深層学習を初めて使用する友人は、Python、anaconda、pytorch という用語に混乱し、どれを最初にインストールする必要があるのか、それぞれの用途がわからないと思います。ここでは、これら 3 つがどのようなもので、それぞれの機能を簡単に紹介します。この 3 つの関係を理解すると、設定を行う際にさらに快適になると思います。まずはその3つが何なのか見てみましょう。
-
Python は広く使用されている言語であり
编程语言
、さまざまな分野で応用されています。構文が簡潔で習得が簡単で、使用できるサードパーティ ライブラリが多数あります。 -
Anaconda は、データ サイエンス、機械学習、科学技術コンピューティングのための多くのライブラリとツールを提供する Python です
包和环境管理软件
。また、Python ライブラリやその他のパッケージを簡単にインストールおよび管理するためのパッケージ マネージャー conda も提供します。 -
开源深度学习框架
PyTorch はPython をベースに開発されたツールです。ユーザーがニューラル ネットワーク モデルをトレーニングおよび開発するのに役立つ多数の機能とツールを提供します。PyTorch は pip または conda 経由でインストールできるため、Anaconda および Python と密接な関係があります。
したがって、上記の説明を組み合わせると、次のような意味になります。
まず、基本的なプログラミングのために Python 言語環境を構成する必要がありますが、実際の開発では、プロジェクト A の複数のパッケージとプロジェクト B のパッケージなど、プロジェクトごとに異なるサードパーティ ライブラリをインストールする必要があることがよくあります。バージョンが競合している可能性があるため、環境内のパッケージのバージョンを繰り返し変更する必要がある場合がありますが、これは非常に面倒ではありませんか? このとき、異なる仮想環境を作成するには Anaconda が必要ですが、各環境間でプロジェクトに対応するパッケージとバージョンを設定できるため、競合がなく、非常にエレガントに表示されます。最後の pytorch ですが、実際には他のサードパーティ ライブラリのフレームワークに依存しています。もちろん、サードパーティ ライブラリとみなすこともできます。その役割はディープ ラーニングに特化したフレームワークであると考えることができます。彼は仮想環境を作成します。とても印象的ではありませんか?そうです。
2.Ancondaのインストール
多くの学生は混乱しているかもしれません。最初に Python 環境を設定する必要があると言われていませんか? なぜここで anaconda について言及しているのですか? 実際にはそうではありません。Anaconda 自体はインストール後に付属しており、これには最新の Python が含まれていますインタプリタと関連パッケージ管理base环境
ツールなので、Python を個別にインストールする必要はまったくありませんし、鶏を殺すために Python を使用するだけであれば、anaconda は必要ありません。
ここでは主に Windows での anaconda 環境の設定方法をベースに説明しますが、実は Linux や Mac でも同様の設定になります。
さっそく始めましょう!
2.1 アナコンダのインストール
- まず、anaconda 公式 Web サイトにアクセスして、インストール パッケージをダウンロードします。
一般に、ダウンロードは非常に高速です。ダウンロード速度が遅いと思われる場合は、清華ソースにアクセスして確認することもできます。以下に示すように、お使いのコンピュータに適した最新バージョンを選択してください。Windows の場合は、はAnaconda3-2022.10 -Windows-x86_64.exeです。Mac を使用している場合は、上記のAnaconda3-2022.10-MacOSX-x86_64.pkgを選択できます。
- ダウンロードしたインストール パッケージを開き、[次へ] を押し続けてください。要件に従って段階的にインストールする必要があります。以下に示すように、[次へ] を押し続けてください。
次に、インストール プロセスが始まります。ここでは続行しません。インストールが完了するまで待ちます。この記事は保存できます。
- anacondaが正常にインストールされているかどうかを確認する
win
+r
キーを押し、 と入力しcmd
て開きますcmd
を入力するとconda -V
、大きく2つの状況があり、以下のものがインストールされます。
エラーが報告された場合は、まず anaconda のインストール パスを見つける必要があります (例: にあります)。C:\Users\xxx\anaconda3
次に、次のパスをシステム環境変数に追加する必要があります。path
つまり、anaconda のbin
とパスを追加します。Scripts
環境変数は次のようになります。
C:\Users\xxx\anaconda3\bin
C:\Users\xxx\anaconda3\Scripts
C:\Users\xxx\anaconda3
操作後はcondaがインストールされているか確認するだけで一般出问题就是环境变量没加入进去
問題ありません。
2.2 pipソースとanacondaソースを変更する
パッケージをインストールする際、ネットワークの調子が悪い、ダウンロードが遅いなどの問題がよく発生しますが、その際に pip ソースと anaconda ソースを設定する必要があります。
2.2.1 pip ソースの設定
中国で関連する依存関係パッケージのインストールと Python のダウンロードが非常に遅いという問題を解決するには、まず pip ミラー ソースを設定する必要があります。具体的な方法は次のとおりです。
C:\Users\xxx
in という名前のフォルダーを作成しpip
、その中にファイルを作成します。pip.ini
このファイルの内容は後で変更する必要があるので、名前を first に変更しpip.txt
、次に に変更することができます。pip.ini
pip.ini
ファイルの内容を変更して保存してください。それはとても簡単です~
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
もちろん、次のように、次のソースを使用してpip.ini
上記のファイルの値を置き換えることもできます。index-url
- 清華大学: https://pypi.tuna.tsinghua.edu.cn/simple/
- アリババクラウド: http://mirrors.aliyun.com/pypi/simple/
- 中国科学技術大学: http://pypi.mirrors.ustc.edu.cn/simple/
2.2.2 アナコンダソースの設定
ancondaソースの設定方法は以下のとおりです。
C:\Users\xxx
という名前のファイルを見つけます。.condarc
存在しない場合は、作成してください。
- 次に、右クリックしてメモ帳または vscode で開きます。次の段落をこのファイルに貼り付けます
channels:
- defaults
show_channel_urls: true
default_channels:
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
不明な場合は、清華ソースのこの公式チュートリアルを参照するか、私にコメントを残すこともできます。公式チュートリアルではアドレスが https で始まっていることがありますが、実際は間違っている可能性がありますので、変更すればhttps
問題http
ありませんhttp
。
2.3 仮想環境の作成
よし、準備は万端だ!さまざまなプロジェクトのニーズに合わせて独自の仮想環境をスムーズに作成し、その仮想環境にさまざまな Python バージョンとサードパーティのライブラリをインストールできるようになりました。
- まず、どのような仮想環境があるかを見てみましょう
conda env list
下の図に示すように、まず cmd を開いて と入力しましょう。多くの仮想環境があることがわかります。最も基本的なものはベース環境で、その他は以前に私が作成したものです。先頭は環境名で、その後に対応する環境関連の依存関係とパッケージ パスが続きます。
- 仮想環境を作成する
3.9
次に、次のコマンドを入力して、次のような名前のPython バージョンで仮想環境を作成しますmy_env
。
conda create -n my_env python=3.9
Entery
を押して次のステップに進みます。いくつかのパッケージがすぐにインストールされます。次のメッセージが表示されたら問題ありません。
- 仮想環境をアクティブにして見てみましょう
さて、あなたはすでに独自の仮想環境を持っています。その中に何があるか見てみましょう? そして、仮想環境の Python インタープリターを使用して Python コードを実行するにはどうすればよいでしょうか?
まず、cmd を開き、activate my_env
またはを使用しconda activate my_env
て仮想環境をアクティブにすると、コマンド ラインの前に (my_env) が表示され、入力したことを示します。次に conda list と入力すると、仮想環境のパッケージとバージョン番号が表示されます。
ここで簡単にPythonのテストをしてみましょう まず とcmd
入力しpython
てPythonのターミナルに入り、次のコードを入力すると魔法が発生して愛が発せられます!
print('\n'.join([''.join([('Love'[(x-y) % len('Love')] if ((x*0.05)**2+(y*0.1)**2-1)**3-(x*0.05)**2*(y*0.1)**3 <= 0 else ' ') for x in range(-30, 30)]) for y in range(30, -30, -1)]))
もちろん、抜けたい場合はexit()
入ってください。
2.4 よく使用される conda コマンド
参考までに、一般的に使用される conda コマンドをいくつか示します。
# 建立新环境
conda create -n new env_name python=3.8
# conda初始化
conda init
# 激活虚拟环境
conda activate env_name 或者 activate env_name
# 查看虚拟环境
conda env list
# 删除虚拟环境
conda remove -n env_name --all
3.PyTorchのインストール
さて、環境設定の最終段階に到達しました。最後までお付き合いいただき、ありがとうございました。
これまでのところ、深層学習の研究に使用できるフレームワークがたくさんありました。実際、最終的な分析では、深層学習のフレームワークは錬金術の炉として考えることができます。炉は他の人がすでに構築しています。必要なのは、ただそれだけです。炉を使用してエリクサーを作成する手順に従います。現在、より主流の深層学習フレームワークには、PyTorch、Tensorflow、Caffe などが含まれます。もちろん、クライアント側のモデルの開発と展開のニーズを満たすために、MNN や TNN などのクライアント側のフレームワークもよく使用されます。PyTorch は科学研究でより多く使用されているため、ここでは例として PyTorch のインストールを追ってみましょう。他に必要なことがあれば、メッセージを残して私に知らせてください。追加の章を作成することもできます。
Pytorch 環境の構成は実際には 2 つのステップに分かれています. 独自の計算能力機器の制限によって異なります. 主に CPU バージョンと GPU バージョンに分かれています. GPU は主に NVIDIA グラフィックス カード用です. インストールが比較的面倒です. CPU 一部のテストに使用できるバージョンですが、GPU バージョンと比較すると、トレーニング時の並列アクセラレーションがないため、速度が大幅に遅くなります。NVIDIA グラフィックス カードを持っているかどうかを確認するにはどうすればよいですか? タスク マネージャーを開き、[GPU] をクリックします。赤いボックス内の単語が表示されたら、あなたは非常に幸運です。あなたは優れたグラフィックス カードの所有者であり、GPU バージョンの PyTorch をインストールできます。
ただし、下の図のように、グラフィック カードがなく、統合グラフィック カードしかない場合でも、パニックになる必要はありません。モデルのトレーニング中にファンのブーンという音が許容できる場合は、CPU バージョンの PyTorch もあります。もしそうなら、それはまったく問題ありません(ははは)、またはコード テストを実行したいだけの場合は、CPU はまったく問題ありません。
さっそく始めましょう!
3.1 CPUバージョンのPyTorchをインストールする
3.1.1 クイックインストール
CPU バージョンのインストールは非常に簡単です。
-
まず、PyTorch の公式 Web サイトにアクセスして見てみましょう。
-
windows
とバージョンpython
を選択するcpu
と、青いコマンドが表示されます。
conda install pytorch torchvision torchaudio cpuonly -c pytorch
このコマンドはどこで実行する必要がありますか? 実際には、cmd の 2 番目の手順で Anaconda によって作成された my_env 仮想環境をアクティブ化し、次に示すように上記のコマンドを入力するだけです。
processd
それを入力してy
、自動インストールされるまで辛抱強く待ちます~
- インストールが成功したことを確認する
インストール後に cmd を入力し、python
赤いボックスに 2 つのコードを入力します。最初の部分は、torch パッケージをインポートし、5*3 テンソル ベクトルを作成して出力します。2 番目の部分は、 GPU を確認します。 GPU が利用可能かどうかはわかりませんが、CPU バージョンの GPU は絶対に利用できません (何もないところから何かを作ることはできません、ハハハ)。
import torch
x = torch.rand(5, 3)
print(x)
import torch
torch.cuda.is_available()
上記と同様の結果が表示されない場合は、error
おめでとうございます。インストールは成功しており、他の人によって事前トレーニングされた多くのモデルやコードをすでに実行できます。
3.1.2 指定したバージョンに合わせてインストールする(上級)
多くの場合、プロジェクトの要件に応じて PyTorch バージョンをインストールする必要がありますが、現時点では通常 2 つのタイプがあります。
- プロジェクトの要件に従ってインストールします。txt
たとえば、ターゲット検出用にyolov5requirements.txt
環境を設定する必要がある場合、次の図に示すように、まず yolov5 プロジェクトをダウンロードし、その内容に注目してください。
yolov5 のフォルダーに入り、cmd を開き、仮想環境をアクティブ化して、pip install -r requirements.txt
次の図に示すように と入力して、プロジェクトの要件に従ってインストールします。
- インストールする必要があるバージョンを選択してください
この自由度はより高くなります。バージョンの要件が明確な場合は、pytorch の過去のバージョンに直接アクセスして、必要なパッケージを見つけることができます。たとえば、プラットフォームが Linux または Windows の場合、pip を使用して、パッケージをインストールし、CPU バージョンの pytorch バージョン 1.8.1 をインストールしたい場合は、pip命令
以下に示すように、それを直接コピーできます。
pip install torch==1.8.1+cpu torchvision==0.9.1+cpu torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html
もちろん、conda を使用してインストールしたり、プラットフォーム、パッケージのバージョン、CPU または GPU に応じて異なる命令を選択したりすることもでき、環境要件をよく理解している学生に適しています。初めて学習する学生は、最初はスキップしても構いませんが、環境構成に慣れたら、自分のニーズをより明確にする必要があります。
3.2 GPU バージョンの PyTorch をインストールする
このセクションは主に次の 3 つの部分で構成されます。
- 1 つはグラフィック カード ドライバーのインストールです。
cuda
- 1 つは
cudnn
インストールと cudatoolkit のインストールです - インストールもありますが
gpu版本PyTorch
、これもcpu版と同じでコマンドを選択するだけでインストールできます。
この記事については、以前の記事を参照してください。当時使用された nvidia 3080 グラフィックス カード、Windows プラットフォームで pytorch1.7.1 バージョンを構成する手順、および3080+pytorch1.7+windows の詳細なインストール プロセスについて説明します。