用自己电脑做网站 dns,做放单主持的网站,js做网站需要那些软件,视频网站cms系统AI应用开发实战 - 从零开始配置环境
与本篇配套的视频教程请访问#xff1a;https://www.bilibili.com/video/av24421492/
零、前提条件
一台能联网的电脑#xff0c;使用win10 64位操作系统请确保鼠标、键盘、显示器都是好的
建议和反馈#xff0c;请发送到 https://g…AI应用开发实战 - 从零开始配置环境
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
建议和反馈请发送到 https://github.com/Microsoft/vs-tools-for-ai/issues
联系我们 OpenmindChinamicrosoft.com
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。 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 选择Community版本下载 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 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。 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。
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 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。 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 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” 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 点击链接等待着你的并不是文件下载而是 ↑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
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
然后刷会微博等待安装结束即可。
成功之后是这样的 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 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 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 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。 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 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 然后程序就开始运行了就像这样 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 模型文件 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) 修改环境变量为CUDA_VISIBLE_DEVICES
