Freigeben über

Einrichten des Linux-Binärskripts

  • Artikel

CNTK als Docker-Container

Bevor Sie weitere Informationen verschieben, können Sie CNTK als vordefinierten Docker-Container von Docker Hub bereitstellen. Lesen Sie den entsprechenden Abschnitt.

CNTK binäre Installation mit Skripts unter Linux

Diese Seite führt Sie durch den Prozess der Installation der Microsoft Cognitive Toolkit (CNTK) basierend auf einer binären Verteilung, die wir vorbereitet haben, und Sie können von unserer Website herunterladen. Es ist eine einfache Möglichkeit, Sie schnell auf dem laufenden zu halten.

Auf dieser Seite finden Sie eine Übersicht über alle verfügbaren Installationsoptionen für CNTK.

Wir installieren die CNTK Binärdateien, die CNTK Voraussetzungen und erstellen (oder aktualisieren) eine Python 2.7, 3.5 oder 3.6-Umgebung auf Ihrem Computer. Die Änderungen werden so viel lokalisiert wie möglich, um keine anderen installierten Software zu beeinträchtigen. Wenn Sie bereits eine frühere Version von CNTK2 auf Ihrem Computer installiert haben, aktualisiert das Skript diese Installation.

Führen Sie die nachstehenden Schritte aus, um die Binärdateien zu installieren. Das Installationsskript lädt zusätzlich die erforderlichen Abhängigkeiten herunter, sodass beim Ausführen des Skripts eine Internetverbindung erforderlich ist.

Das Skript wurde nur auf Ubuntu 14.04 und 16.04 getestet. Es wird eine Warnung zu möglichen Fehlern generiert, wenn sie auf einer anderen Plattform ausgeführt werden.

Schritt 1: Laden Sie das entsprechende Binärpaket auf CNTK Seite "Versionen" herunter. Entpacken Sie den Tar.

Hinweis: Wählen Sie nur einen GPU-Binärdownload aus, wenn Ihr Computer über eine NVidia-GPU verfügt.

Schritt 2: Ausführen des Bash-Installationsskripts

Nachfolgend wird davon ausgegangen, dass Sie das CNTK Binärpaket /home/usernameauf entpackt haben. Bitte verwenden Sie die folgenden Befehle, je nach ihrer bevorzugten CNTK Python-Version:

  • Führen Sie diese Befehle aus, um eine CNTK Python 3.5-basierte Umgebung zu installieren:
    cd /home/username/cntk/Scripts/install/linux
./install-cntk.sh
  • Das Skript unterstützt auch die Installation einer Python 2.7- oder Python 3.6-basierten CNTK Umgebung. Dazu können Sie den Wert 27 oder 36 den optionalen Parameter --py-version zum Befehl hinzufügen, z. B. um diese Befehle auszuführen, um eine CNTK Python 3.5-basierte Umgebung zu installieren:
    cd /home/username/cntk/Scripts/install/linux
./install-cntk.sh --py-version 35
  • Das Skript ermöglicht es auch, den Speicherort der Anaconda-Installation anzupassen oder eine vorhandene Anaconda-Installation zu verwenden. Verwenden Sie die Option --anaconda-basepath <path> , um einen Anaconda-Installationspfad anzugeben. Wenn der vom Benutzer bereitgestellte Pfad nicht vorhanden ist, erstellt das Skript es und installiert Anaconda darin. Beispiel:
    cd /home/username/cntk/Scripts/install/linux
./install-cntk.sh --anaconda-basepath /usr/local/anaconda3

Das Skript lädt mehrere Installationspakete von Remotespeicherorten herunter. Die Ausführung dauert einige Zeit (erwarten Sie mindestens 20 Minuten auf Ubuntu 16.04 und noch mehr auf Ubuntu 14.04, je nachdem, welche Pakete auf Ihrem System erforderlich sind).

Am Ende des erfolgreichen Setups informiert Sie das Skript über den Speicherort des skripts für die CNTK Python-Umgebung und über den Speicherort CNTK Tutorials und Beispiele.

Schritt 3: Überprüfen des Setups (Python)

  • Aktivieren Sie CNTK Umgebung, indem Sie den durch das Installationsskript angegebenen Befehl ausführen (siehe vorheriger Schritt). In unserem Beispiel lautet folgendes:

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

  • Führen Sie ein Beispiel aus dem Tutorials Verzeichnis aus, um die Installation zu überprüfen. Führen Sie python NumpyInterop/FeedForwardNet.py aus. Die folgende Ausgabe sollte auf der Konsole angezeigt werden:

    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

  • Führen Sie die Jupyter-Notizbücher aus, die mehrere Lernprogramme enthalten, indem Sie die folgenden Befehle ausführen:

    cd /home/username/cntk/Tutorials
jupyter notebook

Dadurch wird ein Browser mit allen verfügbaren Notizbüchern bereitgestellt, die ausgeführt werden können. Wenn die Notizbücher nicht ausgeführt werden können, führen Sie conda install jupyter sie aus der aktivierten CNTK Python-Umgebung aus.