AI应用开发实战系列之一： 从零开始配置环境

纯洁的代码
170 阅读7分钟
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：

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：

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

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
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

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
  • 1
  • 2
  • 3
  • 4

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

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 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

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：

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

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=" "


更多免费技术资料可关注：annalin1203


avatar
文章
阅读
粉丝