Dela via

Konfigurera Windows Python

  • Artikel

Installera CNTK för Python på Windows

Den här sidan vägleder dig genom processen att installera Microsoft Cognitive Toolkit (CNTK) som ska användas från Python i Windows. Om du letar efter någon annan typ av stöd för att konfigurera en CNTK byggmiljö eller installera CNTK i systemet bör du gå hit i stället.

Vi erbjuder tre sätt att installera CNTK för Python:

  1. PyPI-installation
  2. Hjulfiler (.whl) för varje version
  3. Nattliga byggen

1. Installera från PyPI

Från och med CNTK 2.5-versionen kan användarna nu installera CNTK via PyPI.

Om det här är första gången du installerar CNTK via PyPI rekommenderar vi att du först avinstallerar alla tidigare versioner: pip uninstall <url>.

Första gången CNTK installation

Så här installerar du den endast cpu-versionen av CNTK:

C:\> pip install cntk

Så här installerar du GPU-versionen av CNTK:

C:\> pip install cntk-gpu

Uppgradera en befintlig CNTK installation

Om du redan har en tidigare version (2.5+) av CNTK installerad kan du installera en ny version av CNTK över din befintliga installation.

Så här uppgraderar du den endast cpu-versionen av CNTK:

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

Så här uppgraderar du GPU-versionen av CNTK:

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

Obs! Vi rekommenderar att du inte har både cntk och cntk-gpu paket installerade samtidigt.

2. Installera från Wheel Files

Beroende på Python och CNTK version (CPU eller GPU) tillhandahåller vi olika hjulfiler (.whl) för att installera CNTK. Välj rätt installation i listan nedan och ersätt namnet och/eller länken under installationen. För CNTK 2.5+ rekommenderar vi att du installerar via PyPI i stället.

Python Smak URL
2.7 CPU-Only https://cntk.ai/PythonWheel/CPU-Only/cntk-2.7.post1-cp27-cp27m-win_amd64.whl
GPU https://cntk.ai/PythonWheel/GPU/cntk_gpu-2.7.post1-cp27-cp27m-win_amd64.whl
3.5 CPU-Only https://cntk.ai/PythonWheel/CPU-Only/cntk-2.7.post1-cp35-cp35m-win_amd64.whl
GPU https://cntk.ai/PythonWheel/GPU/cntk_gpu-2.7.post1-cp35-cp35m-win_amd64.whl
3,6 CPU-Only https://cntk.ai/PythonWheel/CPU-Only/cntk-2.7.post1-cp36-cp36m-win_amd64.whl
GPU https://cntk.ai/PythonWheel/GPU/cntk_gpu-2.7.post1-cp36-cp36m-win_amd64.whl

Anaconda3

Vi har testat CNTK med Anaconda3 4.1.1 (64-bitars) och Python version 2.7 och 3.5 samt Anaconda3 4.3.1 med Python version 3.6. Om du inte har någon Anaconda3-Python installation installerar du Anaconda3 4.1.1 Python för Windows (64-bitars).

Nedan förutsätter vi att Anaconda är installerat och att det visas före andra Python installationer i din PATH. Om du planerar att använda en GPU-aktiverad version av CNTK behöver du ett CUDA 9-kompatibelt grafikkort och uppdaterade grafikdrivrutiner installerade på systemet. Kontrollera att du installerar CUDA 9.0 och inte CUDA 9.1.

pip install without an environment

Det här är det enklaste alternativet och den enda anledningen till att undvika det är om du behöver specifika versioner av vissa paket. Om du har andra paket som kräver en gammal version av numpy går du vidare till det här avsnittet.

Första gången CNTK installation

Om det är första gången du installerar CNTK kör du

C:\> pip install <url>

där <url> är motsvarande hjulfils-URL i tabellen överst på den här sidan. Om du t.ex. har Python 3.5 och vill installera endast CPU-versionen kör du

C:\> pip install https://cntk.ai/PythonWheel/CPU-Only/cntk-2.6-cp35-cp35m-win_amd64.whl

Fortsätt med ett snabbt installationstest

Uppgradera en befintlig CNTK installation

Om du redan har en tidigare version av CNTK installerad kan du installera en ny version av CNTK över din befintliga installation. Det är viktigt att tillhandahålla --upgrade alternativen och --no-deps .

C:\> pip install --upgrade --no-deps <url>

där <url> är motsvarande hjulfils-URL i tabellen överst på den här sidan. När du har slutfört det här uppgraderingssteget kan du börja arbeta med CNTK i Python eller installera exempel och självstudier.

Snabbt installationstest

Ett snabbtest av att installationen har slutförts kan göras genom att fråga CNTK version:

C:\> python -c "import cntk; print(cntk.__version__)"

Nu har du installerat CNTK och du kan börja utveckla/träna/utvärdera med CNTK i Python!

Fortsätt med att installera exempel och självstudier

pip-installation i en miljö

Nedan skapar vi en ny Python 3.5-miljö i Anaconda med namnet cntk-py35 och pip-install CNTK i den här miljön. Om du vill ha en annan CNTK version, Python version eller ett annat miljönamn justerar du parametrarna därefter.

Öppna ett standardkommandogränssnitt, skapa miljön, gör den aktiv och pip-install CNTK:

C:\> conda create --name cntk-py35 python=3.5 numpy scipy h5py jupyter
C:\> activate cntk-py35
C:\> pip install https://cntk.ai/PythonWheel/CPU-Only/cntk-2.6-cp35-cp35m-win_amd64.whl

Ett snabbtest av att installationen har slutförts kan göras genom att fråga CNTK version:

C:\> python -c "import cntk; print(cntk.__version__)"

Nu har du installerat CNTK och du kan börja utveckla/träna/utvärdera med CNTK i Python!

Fortsätt med att installera exempel och självstudier

Anaconda2

Om du behöver en Python 2.7-rotmiljö rekommenderar vi att du installerar Anaconda2 4.3.0.1 (64-bitars).

Nedan förutsätter vi att Anaconda2 är installerat och att det visas före andra Python installationer i din PATH. Om du planerar att använda en GPU-aktiverad version av CNTK behöver du ett CUDA 9-kompatibelt grafikkort och uppdaterade grafikdrivrutiner installerade på systemet.

Anaconda2: CNTK förutsättningar

CNTK kräver att datorn Visual C++ Redistributable for Visual Studio 2017 är installerad (i många fall är detta redan fallet). Installationsprogrammet för VS2017 Runtime (VC_redist.x64.exe) kan laddas ned här.

Anaconda2: pip install

Installationsstegen för CNTK på Anaconda2 är identiska med

Se bara till att du väljer Python 2.7-kompatibla hjulfiler från URL-tabellen överst på den här sidan.

3. Installera från Nightly Builds

Om du föredrar att installera eller uppgradera CNTK från den senaste nattliga versionen i stället för en officiell version, erbjuder vi CNTK nattpaket. Du kan komma åt CNTK paket från de senaste nattbyggena här.

Om du använder ett nattligt bygge måste du installera vissa paket från tredje part separat och lägga till dem i din PATH-miljövariabel. Följ avsnittet nedan för instruktioner. Om du t.ex. installerar GPU-versionen av CNTK måste du även installera GPU-specifika paket som anges i följande avsnitt.

Miljövariabler och nödvändiga paket

VALFRITT: GPU-Specific paket

Om du tänker använda CNTK med GPU följer du den här sidan för att installera och konfigurera miljön därefter.

När du har installerat ovannämnda GPU-paket lägger du till dem i din PATH-miljövariabel, t.ex.

setx PATH "C:\Program Files\NVIDIA Corporation\NVSMI;%PATH%"
setx PATH "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin;%PATH%"
setx PATH "C:\local\cudnn-9.0-v7.0\cuda\bin;%PATH%"
MKL

Standardbiblioteket för CNTK matematik är Intel Math Kernel Library (Intel MKL). Följ den här sidan om du vill installera den i systemet.

  • Förbered sökvägen till miljövariabeln PATH, t.ex.
    setx PATH "c:\local\mklml-2018.0.3\lib;%PATH%"
VALFRITT: OpenCV

CNTK 2.2 kräver Visuellt innehåll att OpenCV (OpenCV) är installerat med öppen källkod, men det är valfritt för CNTK 2.3+. Följ den här sidan om du vill installera den.

Du måste installera OpenCV för CNTK 2.3+ om du vill använda följande komponenter:

  • CNTK bildläsare
  • CNTK Image Writer – krävs för att använda TensorBoards bildfunktion.

Förbered miljövariabeln PATH som pekar på OpenCV-byggmappen, t.ex.

setx PATH "C:\local\opencv3.10\build\x64\vc14\bin;%PATH%"

Installera exempel och självstudier

Vi tillhandahåller olika exempel och självstudier med CNTK. När du har installerat CNTK kan du installera exemplen/självstudierna och Jupyter Notebooks. Om du har installerat CNTK i en Python miljö kontrollerar du att du har aktiverat miljön innan du kör det här kommandot:

C:\> python -m cntk.sample_installer

Då laddas exemplen/självstudierna ned, nödvändiga Python paket installeras och exemplen kopieras till en katalog med namnet CNTK-Samples-VERSION (VERSION ersätts med den faktiska CNTK versionen) under den aktuella arbetskatalogen.

Nu kan du följa standardbeskrivningen för att testa installationen från Python och köra självstudierna eller Jupyter Notebooks.