解密深度学习,从配置机器学习机器开始入门

提示:本文必须有支持CUDA的NVIDIA显卡支持;发稿截止前,python3.7版本已经发布,测试无法使用Anaconda进行配置,故依然使用python3.6版本。

请不要质疑本人为什么在值得买发布CSDN专属类型文章,非要一个解释的话,我发现买(这)东(是)西(未)的(来)人(各)比(行)做(各)技(业)术(的)的(大)人(趋)多(势)!废话不多说,有兴趣的值友请往下看。

简单介绍一下TensorFlow,这里就不得不从机器学习说起。所谓的机器学习,无非是人工智能的一个研究方向,通过机器强大的计算能力和庞大的数据,挖掘数据之间的联系,接着机器运用挖掘出来的这个数据之间的联系,对新的数据就产生了一些分类或聚类的能力,这种类似“预测”或“决策”的能力就被称为所谓的“智能”。而今天的主角深度学习,是机器学习的一个研究分支,是神经网络技术的进化。神经网络技术是对人脑神经元网络抽象而来的,由输入层、隐含层和输出层组成,而深度学习借助当前计算机的计算暴力,增加了很多隐藏层,而使得机器的“智能”更加准确。常见的深度学习框架有很多,Keras、Caffe、Caffe2、Torch、Pytorch、Theano等,这里只谈TensorFlow。

TensorFlow本来是Google内部的机器学习框架,于2015年开源。对于开源这件事有利有弊,利是显而易见的,我们可以直接拿来用,弊就是我们对于Google的依赖就愈加强烈了,尤其是深入到高校的科研领域,没办法开展自主的机器学习框架,只能被牵着鼻子走,TensorFlow在1.2版本以后支持了Windows平台,这对于我国各种盗版WIndows横飞的现状,还是很有利的。TensorFlow号称适合所有人的机器学习框架,从能力上来说,只要你的数据量足够,计算机配置够强,我真的觉得深度学习可以解决任何人的任何需求。。。但是我认为这个号称适合所有人的机器学习框架,最重要的原因是入门非常简单,几乎没有什么门槛,为什么,请往下看。

首先,看一下TensorFlow的官方文档

看到了吗?无需任何机器学习方面的经验,只需读一些Python代码!看到了吗?无需任何机器学习方面的经验,只需读一些Python代码!

看到了吗?无需任何机器学习方面的经验,只需读一些Python代码!这个为什么高兴呢?因为Python的口号是:人生苦短,我用Python!Python语言的一大特色是入门非常快,一天你就能看懂。当然了,后期Python又非常难提升,真正想自己写代码,还是非常困难的,但这又有什么关系,官方文档说了,你可以阅读一些就可以了,我们用框架什么意思?就是直接用啊!所以,开始安装Python!这里使用Anaconda,集成所有你需要的环境!

直接进入Anaconda官网,下载exe安装包,安装即可,再零基础,你也别说你不会exe安装!直接进入Anaconda官网,下载exe安装包,安装即可,再零基础,你也别说你不会exe安装!

这里只推荐Python3.6 64位版本,这个如果你安不了,我劝你放弃本文,不要入门机器学习了吧。这里只推荐Python3.6 64位版本,这个如果你安不了,我劝你放弃本文,不要入门机器学习了吧。

 

Downloads - AnacondaDownloading version 3.6 is highly recommended !www.anaconda.com去看看

 

安装完成后,win+R键,输入cmd,打开命令提示符,添加一下Anaconda的清华大学镜像,以加速你的网络!如果你的conda命令不好用,百度一下给Anaconda添加Path的方法。

 

Anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror清华大学开源软件镜像站,致力于为国内和校内用户提供高质量的开源软件镜像、Linux镜像源服务,帮助用户更方便地获取开源软件。本镜像站由清华大学TUNA团队负责维护。mirror.tuna.tsinghua.edu.cn去看看

 根据TensorFlow官方文档的要求,你需要先安装CUDA9.0版本,当前最新版本为9.2(TensorFlow官方并没有适配,虽然有大神适配版,还是推荐官方CUDA9.0版本,相对更安全稳定),发布于2018年3月。

 

CUDA Toolkit Archive | NVIDIA DeveloperPrevious releases of the CUDA Toolkit, GPU Computing SDK, documentation and developer drivers can be found using the links below. Please select the redeveloper.nvidia.com去看看

 下载后,安装,这里提示一下,如果是默认安装,会要求安装Visual Studio,如果不使用VS整合TensorFlow的同学,从自定义安装里取消掉Visual Studio Integration。一般CUDA的环境变量会自动添加。但是我建议安装Visual Studio 2017,防止出现一些莫名其妙的版本问题,我这里安装的是15.7.4版。

解密深度学习,从配置机器学习机器开始入门

检查系统变量检查系统变量

接着我们研究一下安装cuDDN,为GPU的运算加速!详情戳 TensorFlow官方文档明确指出:特别是,cuDNN 版本必须完全匹配:如果无法找到 cuDNN64_7.dll,TensorFlow 就不会加载。要使用不同版本的 cuDNN,您必须从源代码构建。

我没有注意到这句话,所以加载TensorFlow报错了。

解密深度学习,从配置机器学习机器开始入门

进入cuDDN网站,需要注册,虽然全英文,但应该难不倒各位。注册完,对I Agree那句话打钩,就可以选择各种版本了,这里使用了上一版本的CUDA9.0(图为最新9.2版,目前只有大神适配TensorFlow版,官方并不适配),选择windows 10版本下载即可。

解密深度学习,从配置机器学习机器开始入门

根据官方安装文档,解压压缩包,仔细操作第三步,将压缩文件内的3个文件夹复制到示例中安装CUDA的对应位置。第四步可以忽略,让你检查正确配置了环境变量。

Windows版官方安装文档Windows版官方安装文档

接着我们就可以运用conda命令安装TensorFlow了。

1.在命令提示符中输入conda create -n tensorflow创建TensorFlow的运行环境,如果你用了清华源的话,还是比较快的。电脑检测完环境后,会问你是否下载,输入y回车即可。

2.激活TensorFlow,输入activate tensorflow命令。效果为下图。

解密深度学习,从配置机器学习机器开始入门

3.输入pip install --ignore-installed --upgrade tensorflow-gpu

解密深度学习,从配置机器学习机器开始入门

4.在激活TensorFlow的前提下,可以使用python命令进行测试了。

解密深度学习,从配置机器学习机器开始入门

测试方法:

1.重新启动命令提示符,直接输入activate tensorflow。

2.输入python,激活python程序。

3.输入import tensorflow as tf。回车后,如果下方出现三箭头光标,恭喜你,成功了!

4.把测试进行完。继续输入hello = tf.constant("hello,TensorFlow!")

5.sess = tf.Session() 进行到这一步的时候,可能第一次运行,有一些慢,我第二次测试的时候就一闪而过了。

6.print(sess.run(hello))回车,显示b`hello,TensorFlow!  恭喜,大功告成!


总结:配置并没有什么难度,注意相关软件环境的版本对应即可,本教程配置为Windows10 64位 + CUDA 9.0 + cuDNN对应版本 +Anaconda3 (再次提示,本教程适用于拥有N卡的同学使用TensorFlow GPU版本)

既然平台搭建完成,本人也刚开始入门机器学习,肯定有从事相关工作或者研究的值友,请各位不吝赐教。最后,希望有兴趣的朋友点赞收藏转发,共同学习,共同进步!祝大家都可以成功!

推荐关注:
经验
标签:经验 +关注
软件游戏
分类:软件游戏 +关注

提示

鼠标移到标签上方,

尝试关注标签~

评论227

发表评论请 登录
  • 最新
  • 最热
评论举报

请选择举报理由

2785 227

关注数量超出限制,请先删除部分内容再尝试

关注数量超出限制,
请先删除部分内容再尝试

登录
注册
用户名/邮箱
密码
验证码
看不清?点击更换
看不清?点击更换 忘记密码?

已收藏
去我的收藏夹 >

已取消收藏
去我的收藏夹 >

小提示