مذكرة لى فنغ الشبكة: إن ولاية اسام المؤلف، هذه المقالة ظهرت للمرة الأولى في معرفة الكاتب تقريبا "قال بيانات" لى فنغ شبكة الإفراج المرخص له.

خلفية

لم يكن استخدام الدراسة GPU متعمقة على نظام التشغيل Windows التيار، فضلنا عموما نظام التشغيل لينكس التعلم العميق. ولكن العديد من أصدقائي نريد فقط أن نعرف إذا كان عمق التعلم، لا يبدو الخبرة اللازمة لتثبيت نظام مزدوج أو التحول إلى لينكس. في واقع الحياة، والكثير من الشركات التي تستخدم أجهزة الكمبيوتر المدرسة أو الأصدقاء أو إذن لتغيير نظام التشغيل. حتى في نهاية المطاف إذا يمكنك تعيين إطار التعلم عمق على أنظمة ويندوز، وتطوير نموذج التعلم العميق ذلك؟

والخبر السار هو بدأ أكثر وأكثر عمقا إطار التعلم لدعم ويندوز، مما يجعل استخدام GPU تسارع عملية التعلم على أيضا يصبح ويندوز ممكن. العديد من أصدقائي وإن لم يكن بطاقة رسومات قوية جدا، ولكن قد يكون أيضا بسعر أقل لفهم عملية تشغيل نموذج التعلم متعمقة على GPU. علينا أن نقدر ذلك، فإن معظم سلسلة بطاقات الرسومات نفيديا غيفورسي يمكن استخدام CUDA، وكبير GPU الاستقلال دفتر نظريا يمكن استخدام أكثر إلى "التعلم العميق". حتى إذا كان تأثير تسارع ليست واضحة، ولكن لا يزال الكثير من بطاقات الرسومات دخول المستوى أن تستخدم TensorFlow، فإنه يمكن على الأقل تساعدك على فهم ومعتادا هذا الإطار.

لا تدع عدم وجود ميزانية أو أنظمة غير متوافقة تصبح حجر عثرة وذريعة لاستكشاف الطريق.

في روح الاستكشاف، حاولت CUDA مثبتة على كل من أجهزة الكمبيوتر ويندوز (للمكالمات GPU) وTensorFlow (وضعت جوجل مكتبة أداة تعليمية العميقة)، وسجل هذه العملية ومشاركة.

قبل البدء مرة أخرى أود أن أذكر لكم أن تم تثبيت Windows على CUDA وTensorFlow لديهم الكثير من الحفر، ويمكن وصفها متطلبات الإصدارات المختلفة من إعدادات نظام البرمجيات وصعبة للغاية، فمن السهل أن "ضل طريقه في فخ". يرجى فرض رقابة صارمة على العمليات التشغيلية بلدي، في حالة الخطأ. أكثر الخريطة تحذيرا المادة طويلة! ! ! أوصى القراءة على الكمبيوتر، يمكنك تكبير الصورة التعليمي.

الخطوات التحضيرية

اتبع وصف عملية التثبيت المحددة تحميل الاستعداد البرامج التالية الموصوفة في الجزء الثاني.

ببساطة، نحن بحاجة إلى ويندوز 7/8/10، خادم 2012/2016 + بايثون 3.5 + البصرية ستوديو 2015 + CUDA 8.0 + 6.0 CuDnn.

1. متطلبات نظام التشغيل ومتطلبات الأجهزة:

• نسخة ويندوز: ويندوز 7، ويندوز 8، ويندوز 10، ويندوز سيرفر 12/16

• صفحة الرسومات: الرجاء التحكم يوفر أوصى قائمة المدعومة بطاقة فيديو NVIDIA CUDA للحصول على تفاصيل الاتصال. انهم لا يعرفون نسختهم الخاصة من بطاقة الرسومات يمكن استخدام "إدارة الأجهزة" وجهة نظر، أو استخدام طرف ثالث عرض برنامج GPU-Z. يرجى ملاحظة، وبطاقات الرسومات AMD لا يمكن أن تستخدم تنمية NVIDIA CUDA ...

• قائمة الصينية: CUDA - تمكين CUDA-GPU - NVIDIA (NVIDIA)

• قائمة مكتوبة باللغة الإنجليزية: CUDA وحدات معالجة الرسومات

2.Python النسخة: إصدار 64 بت من بيثون 3.5. ملاحظة Python3.6 و 2.7 لا يمكن. عنوان والإصدارات كما هو مبين في الشكل. إذا كنت تستخدم إصدار خاطئ من بيثون، لا يمكنك تثبيت TensorFlow!

3.Visual نسخة ستوديو:

• نحن نستخدم CUDA8.0 لا يدعم البصرية ستوديو 2017، وذلك باستخدام VS2017 الخطأ.

• البصرية ستوديو 2015 إذا أحدث نسخة الآن البصرية ستوديو 2015 مع تحديث 3 ، ويقول البعض أن الإنترنت لا يمكن استخدام هذا الإصدار 3 التحديث، ولكن وفقا لبلدي الموالية للاختبار باستخدام VS2015 مع تحديث 3. يمكنك تنزيل مجانا الجماعة الطبعة: https://imagine.microsoft.com/en-us/Catalog/Product/101. هذا العنوان هو نسخة ISO، يمكنك أيضا اختيار لتثبيت نسخة EXE. VS2015 إصدارات أخرى، مثل الطبعة المؤسسة (المؤسسة) أو برو (الفنية) يمكن، في الواقع، عندما اختبرت تركيب الطبعة المؤسسة.

• البصرية ستوديو 2013 كما يمكن عرض وفقا للوثيقة، ولكن أنا لم تختبر في الواقع، غير مستحسن.

إذا كان جهاز الكمبيوتر الخاص بك أو VS2017 VS2013 تثبيت، يمكنك تحميل في وقت واحد وتثبيت VS2015، ليس هناك نزاع.

4.CUDA النسخة: TensorFlow نسخة من CUDA دعم اعتبارا من اليوم (1 أكتوبر 2017) أو CUDA 8.0. تأكد من الالتفات إلى الإصدار الافتراضي Yingwei شريف على الانترنت لهو CUDA 9.0، الرجاء عدم تحميل وتثبيت هذا الإصدار.

تحميل الإصدار الصحيح 8.0: CUDA أدوات 8.0 - فبراير 2017. أوصى شبكة صديق جيد لتحميل النسخة تركيب الشبكة، لا تحميل نسخة محلية.

5.CuDnn النسخة: CuDnn 6.0 لCUDA8.0. هذه هي النسخة الوحيدة التي يمكن استخدامها، يرجى تحميل المناظرة نظام التشغيل اخترت الإصدار الصحيح.

يجب أن تسجل اهتماما خاصا قبل تحميل أفراد المجتمع CuDnn NVIDIA، على الرغم من أن هذا هو بسيط جدا، ولكن باللغة الإنجليزية. تحميل الإصدار الصحيح هو مبين أدناه:

6. جميع المستندات المطلوبة:

خطوات تثبيت (مستحسن حساب مسؤول)

يرجى المحاولة لمتابعة تثبيت هذا النظام، أو أنها قد تفشل! الأهم من ذلك، يجب أن تثبيت CUDA بعد تثبيت Visual Studio، على حد سواء لا يمكن عكس هذا الأمر.

1. تثبيت بيثون

توصي الاستخدام المباشر لخام حزمة التثبيت بيثون، فمن المستحسن للتحقق من مسار بيثون إضافتها إلى النظام لتثبيتها.

بعد التثبيت هو الاختيار الكامل إصدار نسخة بايثون وPiP3، وهذا هو بيثون مسار النظام الافتراضي هو 3.54، والنسخة Pip3 أكبر من 8.01.

وصف FIG طريقة الكشف أعلاه، إدخال سطر الأوامر مفتوحة "-V الثعبان" و "-V pip3" لتصحيح الإخراج، على التوالي FIG.

2. تثبيت Visual Studio 2015

تركيب VS2015 أي صعوبة، فقط واحد من الخيارات التي تحتاج إلى تخصيص يمكن استخدام خيارات أخرى القيم الافتراضية . لا يشمل التثبيت الافتراضي مترجم VS2015 C ++، يجب التحقق يدويا مرئي C ++، أو سيواجه خطأ المترجم CUDA لاحق.

والسبب الرئيسي هو عدم تثبيت VS2015 C ++ بشكل افتراضي عند تثبيت المترجم، وهو CL.EXE. في وقت لاحق وسوف أذكر كيف إذا كنت لا تثبيت خطأ في النظام مرئية C ++.

3. تثبيت CUDA

CUDA التأكد من مراجعة قبل تثبيت تركيب VS2015 بنجاح! هذه المرة كنت بحاجة إلى تثبيت CUDA، ونحن نقرا مزدوجا فوق الملف الذي تم تنزيله لتثبيت، كل شيء يمكن تحديد الافتراضي.

بعد التثبيت بنجاح انظر أدناه:

4. تحقق من نجاح التثبيت CUDA:

4.1 افتح سطر الأوامر ، وهذا هو، كمد، ومن ثم أدخل "nvcc -V"، إذا كانت مثبتة بشكل صحيح، ثم يجب أن تشاهد هذا الإخراج:

يظهر إخراج نسخة CUDA هو الافراج عن 8.0.

4.2. عن طريق CUDA VS والملفات اختبار التحويل البرمجي

أدخل "C: شركة \ ProgramData \ NVIDIA \ CUDA عينات \ V8.0" مجلد، انقر نقرا مزدوجا لفتح "عينات vs2015" هذا الملف.

تحديد كافة الملفات التي جمعت في 1_Utilities. يتم تحديد عملية محددة على بناء الحق 1_Utilities، علما بأن 64 بت الإطار الأحمر جزء والإصدار:

هذه المرة، قد تواجه خطأ المترجم إذا وجدت رسالة خطأ غير قادر على العثور CUDA.prop ثم أن أخطاء التثبيت CUDA، نوصي فحص النسخة CUDA إعادة تثبيته.

إذا كنت ترى خطأين:

• TRK0005: فشل في تحديد موقع: "CL.EXE" النظام لا يمكن العثور على الملف المحدد النظام لا يمكن العثور CL.EXE، الملف لا يمكن جمعها ... وفي مواجهة هذا الخطأ هو أنك لم تختر مرئي C ++، واختيار هذا العنصر إذا كنت بحاجة إلى إعادة تثبيت.

• MSB8036: ويندوز SDK 8.1 لم يتم العثور على. إذا كنت ترى أيضا هذا الخطأ قائلا لم يكن لديك لتثبيت Windows SDK 8.1، كما يمكن حلها عن طريق تثبيت ++ C إعادة التوزيع.

إذا كنت لا تواجه أخطاء ترجمة، سترى الملفات الخمسة التالية جمعت موجه بنجاح:

بعد نجاحها، وسوف تجد في "C: \ ProgramData \ شركة NVIDIA \ CUDA عينات \ V8.0 \ بن \ win64 \ بيان" كان هناك كومة من ملف المجلدات، ونحن بحاجة أساسا deviceQuery وbandwidthTest.

4.3 التحقق DeviceQuery وbandwidthTest

قمنا بتجميع فقط إلى نفاد deviceQuery.exe الذي يدار في cmd في هذه الوثيقة، في الجزء السفلي الأيسر من الرقم المعروض نتيجة = تمر يمثل مربع أحمر على التثبيت بنجاح واختبار، وانخفاض مربع أحمر الصحيح أن نماذج بطاقة الرسومات الخاصة بك، الرجاء التأكد من النموذج الصحيح. تسلا K80 هو مجرد بلدي نموذج الآلة، وهذا قد يكون مختلفا عن كل شخص.

قمنا بتجميع فقط إلى نفاد bandwidthTest.exe، نفس الأسلوب، ولكن القلق أيضا حول ما إذا كانت النتيجة = PASS.

5. تركيب CuDnn

بفك الملف أخرجنا CuDnn، على ثلاثة مجلدات: بن، وتشمل، ليب. كما هو مبين أدناه، هذا المجلد ثلاث إلى "C: \ ProgramData \ NVIDIA GPU أدوات الحوسبة \ V8.0".

متغيرات بيئة النظام 6. التحقق من صحة (متغيرات البيئة)

تأكيد النظام Python3.5.4. Pip3 ومتغيرات البيئة، وقد وصفت طريقة فحص أعلاه.

ضبط متغير بيئة نظام مفتوحة إلى Win10، على سبيل المثال، تشير إلى تجربة بايدو ( المقدمة.

تأكيد CUDA_PATH وCUDA_PATH_V8.0 موجود بالفعل

إضافة يدويا "C: \ ProgramData \ NVIDIA GPU أدوات الحوسبة \ V8.0 \ بن" إلى داخل مسار.

7. قم بتثبيت النسخة TensorFlow من GPU

فتح كمد، أدخل "pip3 تثبيت tensorflow-الجرافيك"

I تم تثبيت بالفعل، لذلك تم تثبيت الشاشة. هنا الإشارة إلى ثلاث نقاط:

• بدلا من استخدام pip3 نقطة

• لتثبيت tensorflow-الجرافيك، بدلا من tensorflow

• إذا فشل التثبيت، وعلى الأرجح لم تكن بيثون الإصدار 3.5، أو إصدار pip3 منخفض جدا، يمكنك استخدام "pip3 تثبيت pip3 --upgrade" لترقية pip3

برنامج TensorFlow الأول!

مبروك، لدينا خطوة بعيدا عن الفوز :) دعونا تحقق من TensorFlow تركيب يمكن استخدام GPU!

كمد مفتوحة، أدخل الأمر لفتح التفاعلية قذيفة الثعبان.

أولا tensorflow الاستيراد:

استيراد tensorflow كما فريق العمل

ثم في كل مرة تقوم بإدخال سطر من التعليمات البرمجية واضغط Enter، سترى يبين الشكل التالي أن GPU الخاص بك قد بدأت أصدقاء العمل ~

و= tf.constant (، شكل ، اسم = 'A')

ب = tf.constant (، شكل = ، اسم = 'ب')

ج = tf.matmul (أ، ب)

sess = tf.Session (التكوين = tf.ConfigProto (log_device_placement = صحيح))

sess.run الطباعة (ج)

قد واجهت خطأ أثناء استيراد TensorFlow، كما هو مبين أدناه. وذلك لأن CuDnn خطأ الخاص بك الإعداد، يرجى الرجوع إلى هذا المقال تأكيد متغيرات بيئة النظام (متغيرات البيئة) إلى إصلاح.

كتب في الماضي

الممارسة هي المعيار الوحيد لاختبار الحقيقة، يكون الوقت. ودعا الجميع بقوة في دراسة متعمقة من اليوم، ما إذا كنت شئنا أم ضدها، آمل أن تتمكن من محاولة شخصيا، ويشعر :)

في واقع الحياة، لدينا كل مجموعة متنوعة من القيود، مثل إصدار نظام من القيود، مثل بطاقة الرسومات ميزانية محدودة. هذا هو هدفي في كتابة هذا البرنامج التعليمي، وأنا لا أريد أن تكون عقبة لهذه الأسباب كنت استكشاف البحوث. آمل جعلت هذه المادة مساهمة صغيرة قليلا إلى طريقك التعلم العميق.

مرحبا بكم في عالم من التعلم العميق