Get best of the week

Configurando o ambiente de rede neural Mask R-CNN

Bom dia, como parte do estudo de redes neurais, muitos encontram dificuldades na criação do ambiente. Para esse fim, decidi escrever um artigo para ajudar iniciantes com sede.

Como parte de sua tarefa, ele usou a arquitetura do Mask R-CNN .

Links para todas as distribuições serão oferecidos no final do post.

Então, vamos começar, para poder usar a funcionalidade de redes neurais, como qualquer software, ele deve ser instalado e configurado. Este artigo apresenta o seguinte conjunto de ações:

  1. Remova todos os drivers / software NVIDIA e remova todos os arquivos NVIDIA dos arquivos de programa (também x86). É necessário para que os drivers antigos não afetem a operação dos componentes recém-instalados.
  2. Instale o Visual Studio [1]. Durante o processo de instalação, junto com o IDE, ele fornece as bibliotecas necessárias para trabalhos adicionais, incluindo o Visual C ++. A versão mínima do programa é 2015.
  3. Instale CUDA [2] - uma arquitetura de software e hardware para computação paralela, que pode aumentar significativamente o desempenho da computação através do uso de GPUs Nvidia. A versão mínima é 9.0.
  4. Download cuDNN [3] é uma biblioteca para trabalhar com a implantação de redes neurais com suporte para aceleradores gráficos. A versão deve corresponder à versão CUDA.
  5. Copie o conteúdo da pasta cuDNN baixada e extraída para as pastas apropriadas em C: \ Arquivos de programas \ NVIDIA GPU Computing Toolkit \ CUDA \ Vx.x \.
  6. Vá para as variáveis ​​de ambiente do seu sistema e edite o caminho e adicione os dois diretórios a seguir ao seu caminho:

    • C: \ Arquivos de programas \ NVIDIA GPU Computing Toolkit \ CUDA \ v9.0 \ bin
    • C: \ Arquivos de programas \ NVIDIA GPU Computing Toolkit \ CUDA \ v9.0 \ libnvvp
  7. Faça o download e instale o Python [4] - uma linguagem de programação de alto nível para fins gerais, que visa melhorar a produtividade do desenvolvedor e a legibilidade do código. A versão mínima é 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 ()

A instalação é feita através do sistema de gerenciamento de pacotes - pip, que vem com o IDE. Os comandos são inseridos no Windows CMD.

Após todas as etapas descritas, você pode começar a construir um modelo e treinar a rede.

Links de distribuição prometidos:

  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