分享

window从零开始AI开发实战



问题导读:

1.怎样安装Visual Studio?
2.怎样安装python?
3.怎样安装VS Tools For AI插件?






与本篇配套的视频教程请访问:https://www.bilibili.com/video/av24421492/


零、前提条件
  • 一台能联网的电脑,使用win10 64位操作系统
  • 请确保鼠标、键盘、显示器都是好的


一、Windows下开发环境搭建

本教材主要参考了如下资源:


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


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


本教程分为五步:


- 安装VS:难度一星
- 安装python:难度一星
- 安装CUDA和cuDNN:这是本教程最繁琐的一步,这一步直接拉高本教程的平均难度。
- 配置机器学习环境:这是本教程最简单的一步,为了方便用户配置环境,微软提供了一键安装工具!没错,一键安装工具!业界良心阿!
- 安装VS Tools For AI插件:难度一星


note:本教程对各个软件需要使用的版本都做出了明确说明,请安装指定的版本


请放轻松,接下来的傻瓜教程不需要动脑子,你甚至可以打开手机边刷微博边配置环境


0.安装Git

访问 https://git-scm.com/download/win


选择64-bit Git for Windows Setup下载


双击.exe开始安装


选择好自己的安装路径,一路next,直到Adjusting your PATH environment


请选择Use Git from the Windows Command Prompt


这一步就已经将Git添加到环境变量中了,然后就可以直接在命令行里使用Git啦。


700062-20180604105113526-43038205.png


然后继续next,直到安装结束


1.安装VS

访问 https://www.visualstudio.com/zh-hans/products/

在产品中点击Visual Studio 2017


700062-20180604105136572-122377369.png


选择Community版本下载


700062-20180604105146073-922107299.png


打开Visual Studio Installer进行如下的配置:


仅选择.NET桌面开发与Python开发即可


仅选择.NET桌面开发与Python开发即可


仅选择.NET桌面开发与Python开发即可


note:请自行决定Visual Studio的安装路径


700062-20180604105200266-1237807536.png


等待数分钟,时长视网络状况而定,这个时候你可以去泡一杯茶,或者听一首歌,如果你的网络不是很好,那你可以去看集美剧或者别的什么,等待安装结束。


note:坐 和 放宽


2.安装python

访问 https://www.python.org/downloads/


选择版本3.5.4或3.6.5 ,Windows x86-64 executable installer下载。


700062-20180604105216093-294059041.png


700062-20180604105234256-1496751452.png


打开安装包,在安装前,请选择Add Python 3.X to PATH,随后按照默认选项安装即可。


点选后,程序将自动将Python加入环境变量,这样避免在安装后手动配置环境变量。


700062-20180604105243691-1571129566.png


安装结束后,请进行如下操作验证python是否安装成功


1.同时按下 win 与 R,在弹出的输入框里输入cmd
2.在弹出的窗口中输入 python
3.输入exit()退出
4.输入python -m pip install -U pip以更新pip到最新版本

note: pip是一个用来管理python包的工具


700062-20180604105300909-1743016732.png

700062-20180604105317431-28269268.png


自此,你已经完成了python的安装,在朝着AI技术大牛的路上又前进了一步!


note:请伸出大拇指给自己一个赞


3.安装CUDA与cuDNN

如果你的电脑装有Nvidia的显卡,请进行这一步配置,否则请跳过。


首先通过操作系统更新,升级显卡驱动到最新版。


3.1 安装CUDA

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


选择CUDA 9.0 进行安装。


700062-20180604105333527-1377491242.png

点击后,选择如下的配置:


note:请选择local版本下载,一旦失败还可以重新再来;如果使用network版本,一旦失败,需要重新下载1.4GB的安装包


700062-20180604105348602-698902922.png

打开安装包,进行安装,请自行配置CUDA的安装路径,并手动将CUDA库添加至PATH环境变量中。


note:在Windows中,CUDA的默认安装路径是:


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


700062-20180604110750112-454656377.png

3.2 安装cuDNN

note:打起精神!这是操作最复杂的一步!


访问 https://developer.nvidia.com/rdp/cudnn-archive 找到我们需要的cuDNN版本:


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

cuDNN v7.0.5 Library for Windows 10


700062-20180604105406557-1376025420.png


点击链接,等待着你的并不是文件下载,而是:


700062-20180604105424641-1997017749.png


↑这就是本教程里最麻烦的一步:在下载cuDNN之前需要注册Nvidia会员并验证邮箱。不过还好可以微信登录,省掉一些步骤。


一番令人窒息的操作之后,我们终于得到了cuDNN,我们把文件解压,取出这个路径的cudnn64_7.dll,复制到CUDA的bin目录下即可。默认的地址是:


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


note:到这里,我们已经完成了本教程最复杂的一步了


4.安装机器学习的软件及依赖

这一步虽然是整个教程最简单的一步,甚至比把大象关进冰箱更简单。


你只需要:


[mw_shl_code=text,true]win + R ,打开cmd,在命令行中输入:

cd c:\  //选择一个你喜欢的路径
md  AI  //在这里创建一个AI目录
cd AI   //打开这个目录
//克隆仓库到本地
git clone https://github.com/Microsoft/samples-for-ai.git
cd samples-for-ai //打开这个目录
cd installer //还有这个目录
python.exe install.py //开始安装[/mw_shl_code]


然后刷会微博,等待安装结束即可。


成功之后是这样的:


700062-20180604105456955-261350783.png


或者你觉得自己不怕麻烦,那么请访问:https://github.com/Microsoft/vs-tools-for-ai/blob/master/docs/zh-hans/docs/prepare-localmachine.md


根据教程按步安装,相信我,你会回来选择一键安装的。


note:就差一步啦!成功就在眼前!


5.安装tools for ai插件

打开Visual Studio,选择工具->扩展和更新->选择“联机”->搜索“AI”


就像这样:


700062-20180604121703496-750707281.png


等待下载完成之后,关闭Visual Studio,没错,关闭Visual Studio,系统将自动安装AI插件。


安装完毕后再次打开Visual Studio,你将在界面上看到这样的内容:


700062-20180604121719040-740107646.png


那么恭喜你!安装成功!


note:千里之行始于足下,恭喜你成功地完成了环境的搭建,接下来就已经可以使用Visual Studio Tools For AI进行开发了


二、离线模型的训练

6.14日更新


GitHub上的samples-for-ai进行了一定的更新,目前MNIST文件夹下只有一个mnist.py文件,


下述步骤中,请使用最新的mnist.py文件


在进行完环境搭建后,我们马上就可以开始训练第一个模型了,我们选择tensorflow下的MNIST作为第一个例子。


MNIST的介绍请参考这个链接 https://www.tensorflow.org/versions/r1.1/get_started/mnist/beginners


首先我们打开这个路径:C:\AI\samples-for-ai\examples\tensorflow,如果你在别的目录下克隆了目录,那么请打开你对应的目录。然后双击TensorflowExamples.sln

就像这样:


700062-20180604121736767-118499226.png


note:如果存在多个Python环境,你需要为Visual Studio的AI项目设置默认的Python环境。


例如,手动安装的Python 3.5与Visual Studio 2017 Python开发负载自动安装了64位的Python 3.6


如果要为Visual Studio设置全局的默认Python环境,请打开工具->Python -> Python环境。然后,选择自己需要的Python版本,点击将此作为新项目的默认环境。


700062-20180604121750379-2101947114.png

然后在解决方案资源管理器中,选择MNIST,单击右键,选择设为启动项目

700062-20180622125319515-1454601844.png

然后选择MNIST中的mnist.py,单击右键,选择在不调试的情况下启动

700062-20180622125355149-1658687219.png

然后程序就开始运行了,就像这样:

700062-20180604121826678-1086442292.png

等待一段时间之后,模型就训练好了!这个时候打开MNIST所在的文件夹,MNIST下是否多了三个文件夹?分别是input和output还有export,这三个文件夹分别存储了训练模型的输入文件、训练时的检查点文件,还有最终导出的模型文件


检查点文件:


700062-20180614165310138-1230711611.png


模型文件:


700062-20180614165332024-206208180.png


可能存在的问题GPU ran out of memory

方法一:


修改convolutional.py第45行或第47行的BATCH_SIZE或EVAL_BATCH_SIZE为一个更小的数字。具体修改哪一个,需要视你在程序运行的哪个部分得到了ERROR决定。


方法二:


不使用GPU训练,在项目MNIST上单击右键,选择属性(R)


700062-20180604121840219-1344081434.png


修改环境变量为CUDA_VISIBLE_DEVICES=" "


700062-20180604121850205-696676769.png





来源: csdn

作者: SoftwareTeacher

原文链接:AI应用开发实战系列之一: 从零开始配置环境


本帖被以下淘专辑推荐:

没找到任何评论,期待你打破沉寂

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

推荐上一条 /2 下一条