Dela via

Konfigurera binärt Linux-skript

  • Artikel

CNTK som en Docker-container

Innan du går vidare kan du överväga att distribuera CNTK som en fördefinierad Docker-container från Docker Hub. Läs motsvarande avsnitt.

CNTK binär installation med skript i Linux

Den här sidan vägleder dig genom processen att installera Microsoft Cognitive Toolkit (CNTK) baserat på en binär distribution som vi har förberett och du kan ladda ned från vår webbplats. Det är ett enkelt sätt att komma igång snabbt.

Du hittar en översikt över alla tillgängliga installationsalternativ för CNTK på den här sidan.

Vi installerar CNTK binärfiler, CNTK förutsättningar och skapar (eller uppdaterar) en Python 2.7, 3.5 eller 3.6-miljö på datorn. Ändringarna är så mycket lokaliserade som möjligt för att inte påverka någon annan installerad programvara. Om du redan har installerat en tidigare version av CNTK2 på datorn uppdaterar skriptet den här installationen.

Följ stegen nedan för att installera binärfilerna. Installationsskriptet laddar dessutom ned nödvändiga beroenden, så en Internetanslutning krävs när skriptet körs.

Skriptet testades endast på Ubuntu 14.04 och 16.04. Den genererar en varning om möjliga fel om den körs på någon annan plattform.

Steg 1: Ladda ned lämpligt binärt paket från sidan CNTK Versioner. Packa upp tjäran.

Obs! Välj endast en binär GPU-nedladdning om datorn har en NVidia GPU.

Steg 2: Kör bash-installationsskript

Nedan förutsätter vi att du har packat upp det CNTK binära paketet till /home/username. Använd följande kommandon beroende på vilken CNTK Python version du föredrar:

  • Kör följande kommandon för att installera en CNTK Python 3.5-baserad miljö:
    cd /home/username/cntk/Scripts/install/linux
./install-cntk.sh
  • Skriptet stöder även installation av en Python 2.7 eller Python 3.6-baserad CNTK miljö. Du kan göra detta genom att lägga till värdet 27 eller 36 till den valfria parametern --py-version i kommandot, t.ex. för att köra dessa kommandon för att installera en CNTK Python 3.5-baserad miljö:
    cd /home/username/cntk/Scripts/install/linux
./install-cntk.sh --py-version 35
  • Skriptet gör det också möjligt att anpassa platsen för Anaconda-installationen eller använda en befintlig Anaconda-installation. Använd alternativet --anaconda-basepath <path> för att ange en installationssökväg för Anaconda. Om sökvägen från användaren inte finns skapar skriptet den och installerar Anaconda i den. Exempel:
    cd /home/username/cntk/Scripts/install/linux
./install-cntk.sh --anaconda-basepath /usr/local/anaconda3

Skriptet laddar ned flera installationspaket från fjärrplatser. Körningen tar lite tid (förvänta dig minst 20 minuter på Ubuntu 16.04 och ännu mer på Ubuntu 14.04, beroende på vilka paket som krävs i systemet).

I slutet av den lyckade installationen informerar skriptet dig om platsen för CNTK Python miljöskriptet och platsen för CNTK självstudier och exempel.

Steg 3: Verifiera konfigurationen (Python)

  • Aktivera CNTK miljö genom att köra kommandot som anges av installationsskriptet (se föregående steg). I vårt exempel blir det:

    source "/home/username/cntk/activate-cntk"

  • Kör ett exempel från Tutorials katalogen för att verifiera installationen. Kör python NumpyInterop/FeedForwardNet.py. Du bör se följande utdata i konsolen:

    Minibatch[   1- 128]: loss = 0.564038 * 3200
Minibatch[ 129- 256]: loss = 0.308571 * 3200
Minibatch[ 257- 384]: loss = 0.295577 * 3200
Minibatch[ 385- 512]: loss = 0.270765 * 3200
Minibatch[ 513- 640]: loss = 0.252143 * 3200
Minibatch[ 641- 768]: loss = 0.234520 * 3200
Minibatch[ 769- 896]: loss = 0.231275 * 3200
Minibatch[ 897-1024]: loss = 0.215522 * 3200
Finished Epoch [1]: loss = 0.296552 * 25600
error rate on an unseen minibatch 0.040000

  • Kör Jupyter Notebooks, som innehåller flera självstudier, genom att köra följande kommandon:

    cd /home/username/cntk/Tutorials
jupyter notebook

Detta skapar en webbläsare med alla tillgängliga notebook-filer som är redo att köras. Om notebook-filerna inte kan köras kör conda install jupyter du från den aktiverade CNTK Python miljön.