更多腾讯海量技术文章,请关注云加社区:https://cloud.tencent.com/developer
作者:陈林峰
前言
眼下 github 社区最火的开源项目莫过于 tensorflow (后简称TF),但是在云上玩 TF 存在成本高,部署难诸多问题。腾讯公司提供的 Tesla 是个不错的解决方案,也存在资源竞争,数据上传麻烦,调试不便等问题,倘若在虚拟机环境自己搭建环境,又存在 GPU 支持等问题。本文介绍一种基于 windows 平台下搭建 TF 运行和开发环境,带大家畅玩 TF 。
一、个人电脑玩TF的理由
之所以选择在个人电脑上玩TF最主要的原因成本低廉+取材简单,对于非专业人士也都可以搞个人工智能来取悦自己。具体而言,还有以下几个理由:
门槛低
目前市面上90%个人电脑采用windows系统,工具软件多,开发上手简单容易,而且TF平台不同于以往的计算平台如spark/hadoop等,对windows支持相对比较友好。采用Python运行环境,软件安装也十分方便,不会受到IDC的各种网络限制。
GPU支持
大部分个人电脑基本配备了nvidia的独显(不要问我ATI显卡为啥不行),像笔者平时很少玩3D游戏,显卡基本都在闲置,将TF跑在GPU上提升资源利用率,还可以一边训练模型一边工作,丝毫不会受到影响。
IDE支持
目前TF主工程目录的python代码超过20W行,若没有一个好的IDE支持,通过裸奔方式编写/阅读代码简直就是一件不可思议的事情。window平台下有许多优秀的python开发IDE提供语法高亮,代码补全,跳转调试功能,非常好用,例如Sublime、PyCharm、Eclipse等等。
二、个人电脑玩TF的姿势
2.1 安装TF
第一步: 下载安装Python工具
官网推荐安装3.5.x版本:下载工具,安装过程一路向西。
第二步: 升级pip(不升级的可能安装TF包失败)
> python -m pip install -U pip
(如果出现网络请设置HTTPS_PROXY/HTTP_PROXY环境变量)
第三步: 安装VS2015 Redistributable
下载链接
第四步: 下载TensorFlow安装包
带 GPU 功能下载链接 ( 推荐 )
单 CPU 功能下载链接 ( 不推荐 )
第五步: 安装TensorFlow安装包
> cd /d (PATH)
> pip install tensorflow_gpu-1.2.0rc0-cp35-cp35m-win_amd64.whl
2.2 安装Cuda
首先,要确保机器本身显卡计算能力在3.5以上:查询链接。
接着,需要安装两个软件:CUDA Toolkit和cuDNN
CUDA Tookit: 下载链接( 选择版本8.1 )
cuDNN: 下载链接( 选择版本5.1 )
先安装Tookit,然后将cuDNN压缩文件解压到Tookit安装目录中,bin对应bin。
最后,验证cuda是否安装成功:(两个方法)
方法1: 安装GPU-Z软件(推荐方法)
查看GPU状态(出现cuda就说明成功了)
方法2: 命令行方式
> cd /d (PATH)\CUDA\v8.0\extras\demo_suite>
> deviceQuery.exe
发现在部分笔记本安装完之后找不到设备(GeForce940M)的情况,后通过
在nvidia官网下载最新版本显卡驱动
解决。
2.3 安装PythonIDE
PyCharm和Sublime都是非常不错python开发IDE,前者是JetBrains公司出品,保持JetBrains家族一贯的特色,简单易用但系统开销大。我更愿意使用Sublime3,再带上几个插件轻装上阵(网络问题可通过代理解决)。
CTags插件:代码自动跳转,必装
SublimeREPL插件:代码调试工具,必装
SublimeCodeIntel插件:代码补全工具,必装
Autopep8插件: 代码排版,选装
Pylinter插件: 规范代码风格,语法检查,选装
2.4 畅玩TF
编码: 自动补全
阅码: 自动跳转
调试: 方便快捷
首先,在官网下载模型进行mnist本地训练
接着,再来一个诗和远方(感谢 hansion 提供的 demo,单核机器需要1天的工作在办公电脑45分钟内训练完,CPU运行正常,不影响正常作业。仅仅GPU有点忙,风扇哥,你要使劲点摇)
写在最后
之前搭建过spark/hadoop/xgboost分布式环境,相对而言,TF环境搭建更加简单容易,文档也相对更加完善,它更适合后台以外的开发同学操作机器学习,就我自己而言算是才开始进入TF领地,期待后面通过实战进一步强化对TF的认识,顺带也锻炼一下自己的爱机。
领取专属 10元无门槛券
私享最新 技术干货