Udostępnij za pośrednictwem

Konfigurowanie języka Python dla systemu Linux

  • Artykuł

Wymagane pakiety

OpenMPI

CNTK wymaga zainstalowania interfejsu OpenMPI 1.10.x w systemie. W systemie Ubuntu 16.04 zainstaluj go w następujący sposób:

sudo apt-get install openmpi-bin

Upewnij się, że można znaleźć jej biblioteki, np. przez skonfigurowanie polecenia LD_LIBRARY_PATH.

Instalowanie CNTK dla języka Python w systemie Linux

Ta strona przeprowadzi Cię przez proces instalowania Microsoft Cognitive Toolkit (CNTK) do użycia z języka Python w systemie Linux. Należy pamiętać, że system Ubuntu 14.04 jest obsługiwany w przypadku wersji CNTK 2.3.1 i starszych. Wszystkie wersje 2.4+ oficjalnie obsługują tylko ubuntu 16.04.

Jeśli szukasz innego rodzaju pomocy technicznej, aby skonfigurować środowisko kompilacji CNTK lub zainstalować CNTK w systemie, przejdź tutaj.

Oferujemy trzy sposoby instalowania CNTK dla języka Python:

  1. Instalacja PyPI
  2. Pliki Wheel (.whl) dla każdej wersji
  3. Nocne kompilacje

1. Instalowanie z interfejsu PyPI

Od wersji CNTK 2.5 użytkownicy mogą teraz instalować CNTK za pośrednictwem interfejsu PyPI. Należy pamiętać, że tylko system Ubuntu 16.04 jest oficjalnie obsługiwany.

Aby zainstalować tylko wersję procesora CPU CNTK:

C:\> pip install cntk

Aby zainstalować wersję procesora GPU CNTK:

C:\> pip install cntk-gpu

Uaktualnianie istniejącej instalacji CNTK

Jeśli masz już zainstalowaną poprzednią wersję (2.5 lub nowszą) CNTK, możesz zainstalować nową wersję CNTK w istniejącej instalacji.

Aby uaktualnić tylko wersję procesora CPU CNTK:

C:\> pip install --upgrade --no-deps cntk

Aby uaktualnić wersję procesora GPU CNTK:

C:\> pip install --upgrade --no-deps cntk-gpu

Uwaga: zalecamy, aby jednocześnie nie było zainstalowanych pakietów cntk i .cntk-gpu

2. Instalowanie z plików wheel

W zależności od wersji języka Python i CNTK (procesora CPU lub procesora GPU) dostarczamy różne pliki wheel (whl) do zainstalowania CNTK. Wybierz poprawną instalację z poniższej listy i zastąp nazwę i/lub link podczas instalacji. W przypadku CNTK wersji 2.5 lub nowszej zalecamy po prostu zainstalowanie za pośrednictwem interfejsu PyPI.

Python Smak Adres URL
2.7 CPU-Only https://cntk.ai/PythonWheel/CPU-Only/cntk-2.7.post1-cp27-cp27mu-linux_x86_64.whl
Procesory GPU https://cntk.ai/PythonWheel/GPU/cntk_gpu-2.7.post1-cp27-cp27mu-linux_x86_64.whl
3,5 CPU-Only https://cntk.ai/PythonWheel/CPU-Only/cntk-2.7.post1-cp35-cp35m-linux_x86_64.whl
Procesory GPU https://cntk.ai/PythonWheel/GPU/cntk_gpu-2.7.post1-cp35-cp35m-linux_x86_64.whl
3,6 CPU-Only https://cntk.ai/PythonWheel/CPU-Only/cntk-2.7.post1-cp36-cp36m-linux_x86_64.whl
Procesory GPU https://cntk.ai/PythonWheel/GPU/cntk_gpu-2.7.post1-cp36-cp36m-linux_x86_64.whl

Anaconda3

Testowaliśmy CNTK za pomocą platformy Anaconda3 4.1.1 i Python w wersji 2.7, 3.5, a także środowiska Anaconda3 4.3.1 z językiem Python w wersji 3.6. Jeśli nie masz instalacji środowiska Anaconda3 języka Python, zainstaluj środowisko Anaconda3 4.1.1 Python dla systemu Linux (wersja 64-bitowa).

Poniżej założono, że powyższe wymagania wstępne są spełnione. Jeśli planujesz korzystanie z CNTK z obsługą procesora GPU, potrzebna będzie zgodna karta graficzna CUDA 9 i aktualne sterowniki graficzne zainstalowane w systemie. Ponadto założono, że środowisko Anaconda jest zainstalowane i że jest ono wyświetlane przed wszelkimi innymi instalacjami języka Python w ścieżce PATH.

instalacja narzędzia pip bez środowiska

Jest to najłatwiejsza opcja i jedynym powodem, aby tego uniknąć, jest, jeśli potrzebujesz określonych wersji niektórych pakietów. Jeśli masz inne pakiety, które wymagają starej wersji narzędzia numpy, przejdź do tej sekcji.

Instalacja CNTK po raz pierwszy

Jeśli po raz pierwszy zainstalujesz CNTK uruchom polecenie

$ pip install <url>

gdzie <url> to odpowiedni adres URL pliku wheel w tabeli w górnej części tej strony. Jeśli na przykład masz środowisko Python 3.5, uruchom polecenie

$ pip install https://cntk.ai/PythonWheel/CPU-Only/cntk-2.6-cp35-cp35m-linux_x86_64.whl

Kontynuuj pracę z szybkim testem instalacji

Uaktualnianie istniejącej instalacji CNTK

Jeśli masz już zainstalowaną poprzednią wersję CNTK, możesz zainstalować nową wersję CNTK w istniejącej instalacji. Ważne jest, aby podać --upgrade opcje i --no-deps .

$ pip install --upgrade --no-deps <url>

gdzie <url> to odpowiedni adres URL pliku wheel w tabeli w górnej części tej strony. Po ukończeniu tego kroku uaktualniania możesz rozpocząć pracę z CNTK w języku Python lub zainstalować przykłady i samouczki.

Szybki test instalacji

Szybki test, że instalacja zakończyła się pomyślnie, można wykonać zapytanie dotyczące wersji CNTK:

$ python -c "import cntk; print(cntk.__version__)"

Masz teraz pomyślnie zainstalowaną CNTK i możesz zacząć programować/trenować/oceniać przy użyciu CNTK w języku Python!

Kontynuuj instalowanie przykładów i samouczków

instalacja narzędzia pip w środowisku

Poniżej utworzymy nowe środowisko języka Python 3.5 w środowisku Anaconda o nazwie cntk-py35 i przeprowadzimy instalację pip-install CNTK w tym środowisku. Jeśli chcesz użyć innej wersji CNTK, wersji języka Python lub nazwy środowiska, odpowiednio dostosuj parametry.

Otwórz powłokę poleceń, utwórz środowisko, uaktywnij je i CNTK pip-install:

$ conda create --name cntk-py35 python=3.5 numpy scipy h5py jupyter
$ activate cntk-py35
$ pip install https://cntk.ai/PythonWheel/CPU-Only/cntk-2.6-cp35-cp35m-linux_x86_64.whl

Szybki test, że instalacja zakończyła się pomyślnie, można wykonać zapytanie dotyczące wersji CNTK:

$ python -c "import cntk; print(cntk.__version__)"

Po pomyślnym zainstalowaniu CNTK możesz zacząć programować/trenować/oceniać przy użyciu CNTK w języku Python!

Kontynuuj instalowanie przykładów i samouczków

Anaconda2

Jeśli potrzebujesz środowiska głównego języka Python 2.7, zalecamy zainstalowanie środowiska Anaconda2 4.3.0 Python dla systemu Linux (wersja 64-bitowa). Poniżej założono, że powyższe wymagania wstępne są spełnione. Jeśli planujesz korzystanie z CNTK z obsługą procesora GPU, potrzebna będzie zgodna karta graficzna CUDA 9 i aktualne sterowniki graficzne zainstalowane w systemie. Ponadto założono, że program Anaconda2 jest zainstalowany i że jest on wymieniony przed wszelkimi innymi instalacjami języka Python w ścieżce PATH.

Anaconda2: instalacja narzędzia pip

Kroki instalacji CNTK na platformie Anaconda2 są identyczne

Upewnij się, że w tabeli URL w górnej części tej strony wybrano pliki wheel zgodne ze standardem Python 2.7.

3. Instalowanie z nocnych kompilacji

Jeśli wolisz zainstalować lub uaktualnić CNTK z najnowszej nocnej kompilacji, a nie oficjalnej wersji, oferujemy CNTK nocne pakiety. Dostęp do pakietów CNTK można uzyskać z najnowszej nocnej kompilacji tutaj.

Jeśli używasz nocnej kompilacji, musisz oddzielnie zainstalować niektóre pakiety innych firm i do zmiennej środowiskowej PATH (oprócz wymagania OpenMPI wymienionego tutaj). Postępuj zgodnie z poniższą sekcją, aby uzyskać instrukcje. Jeśli na przykład instalujesz wersję procesora GPU CNTK, konieczne będzie również zainstalowanie pakietów specyficznych dla procesora GPU wymienionych w poniższej sekcji.

Zmienne środowiskowe i wymagane pakiety

OPCJONALNE: pakiety GPU-Specific

Jeśli zamierzasz używać CNTK z obsługą procesora GPU, postępuj zgodnie z instrukcjami na tej stronie, aby zainstalować i skonfigurować środowisko.

Po zainstalowaniu wyżej wymienionych pakietów procesora GPU dodaj je do zmiennej środowiskowej PATH, np.

MKL

Domyślną biblioteką matematyczną CNTK jest biblioteka Intel Math Kernel Library (Intel MKL). Postępuj zgodnie z tą stroną , aby ją zainstalować

  • Wyeksportuj ścieżkę do zmiennej środowiskowej LD_LIBRARY_PATH, np.:
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
OPCJONALNIE: OpenCV

CNTK 2.2 wymaga zainstalowania przetwarzanie obrazów open source (OpenCV), ale jest opcjonalne dla CNTK 2.3 lub nowszego. Postępuj zgodnie z tą stroną , aby ją zainstalować.

Jeśli chcesz użyć następujących składników, musisz zainstalować program OpenCV dla wersji CNTK 2.3 lub nowszej:

  • czytnik obrazów CNTK
  • CNTK składnik zapisywania obrazów — wymagane do korzystania z funkcji Obraz programu TensorBoard.

Wyeksportuj zmienną środowiskową LD_LIBRARY_PATH wskazującą folder kompilacji OpenCV, np.

export LD_LIBRARY_PATH=/usr/local/opencv-3.1.0/lib:$LD_LIBRARY_PATH

Instalowanie przykładów i samouczków

Udostępniamy różne przykłady i samouczki z CNTK. Po zainstalowaniu CNTK można zainstalować przykłady/samouczki i notesy Jupyter. Jeśli zainstalowano CNTK w środowisku języka Python, przed uruchomieniem tego polecenia upewnij się, że środowisko zostało aktywowane:

$ python -m cntk.sample_installer

Spowoduje to pobranie przykładów/samouczków, zainstalowanie wymaganych pakietów języka Python i skopiowanie przykładów do katalogu o nazwie CNTK-Samples-VERSION (VERSION zostanie zastąpione rzeczywistą wersją CNTK) poniżej bieżącego katalogu roboczego.

Teraz możesz postępować zgodnie ze standardowym opisem , aby przetestować instalację z poziomu języka Python i uruchomić samouczki lub notesy Jupyter.