Get best of the week

Menyiapkan lingkungan jaringan saraf Mask R-CNN

Selamat siang, sebagai bagian dari studi jaringan saraf, banyak menemui kesulitan dalam mengatur lingkungan. Untuk tujuan ini, saya memutuskan untuk menulis artikel untuk membantu pemula yang haus.

Sebagai bagian dari tugasnya, ia menggunakan arsitektur Mask R-CNN .

Tautan ke semua distribusi akan ditawarkan di akhir posting.

Jadi, mari kita mulai, agar dapat menggunakan fungsionalitas jaringan saraf, seperti perangkat lunak apa pun, itu harus diinstal dan dikonfigurasi. Makalah ini menyajikan serangkaian tindakan berikut:

  1. Hapus semua driver / perangkat lunak NVIDIA dan hapus semua file NVIDIA dari file program (juga x86). Hal ini diperlukan agar driver lama tidak mempengaruhi pengoperasian komponen yang baru diinstal.
  2. Instal Visual Studio [1]. Selama proses instalasi, bersama dengan IDE, itu memasok perpustakaan yang diperlukan untuk pekerjaan lebih lanjut, termasuk Visual C ++. Versi minimum dari program ini adalah 2015.
  3. Instal CUDA [2] - arsitektur perangkat lunak dan perangkat keras untuk komputasi paralel, yang secara signifikan dapat meningkatkan kinerja komputasi melalui penggunaan GPU Nvidia. Versi minimum adalah 9.0.
  4. Unduh cuDNN [3] adalah perpustakaan untuk bekerja dengan menggunakan jaringan saraf dengan dukungan untuk akselerator grafis. Versi tersebut harus cocok dengan versi CUDA.
  5. Salin konten folder cuDNN yang diunduh dan diekstraksi ke folder yang sesuai di C: \ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ Vx.x \.
  6. Buka variabel lingkungan sistem Anda dan edit path dan tambahkan dua direktori berikut ke path Anda:

    • C: \ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v9.0 \ bin
    • C: \ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v9.0 \ libnvvp
  7. Unduh dan pasang Python [4] - bahasa pemrograman tujuan umum tingkat tinggi yang bertujuan meningkatkan produktivitas pengembang dan keterbacaan kode. Versi minimum adalah 3.5.
  8. Anaconda [5] – Python R, , . Anaconda to PATH , , IDE Windows CMD. Python.
  9. Windows CMD , :
    conda create -n [env_name] python = [python_version]
  10. , ,
    activate [env_name]
  11. tensorflow ( 1.13.1) keras ( 2.3), , :

    pip install --ignore-connected --upgrade tenorflow-gpu
	pip install keras
	pip install cv2
	pip install numpy ()
        pip install pandas ()
	pip install matplotlib ()
	pip install pillow ()

Instalasi dilakukan melalui sistem manajemen paket - pip, yang dilengkapi dengan IDE. Perintah dimasukkan dalam Windows CMD.

Setelah semua langkah dijelaskan, Anda dapat mulai membangun model dan melatih jaringan.

Tautan distribusi yang dijanjikan:

  1. visualstudio.microsoft.com/downloads
  2. developer.nvidia.com/cuda-90-download-archive
  3. developer.nvidia.com/rdp/cudnn-download
  4. www.python.org/downloads
  5. www.anaconda.com/products/individual

More articles:


All Articles