Konfigurera Linux Python
Nödvändiga paket
Openmpi
CNTK kräver att OpenMPI 1.10.x installeras på datorn. Installera den så här på Ubuntu 16.04:
sudo apt-get install openmpi-bin
Kontrollera att dess bibliotek kan hittas, t.ex. genom att konfigurera LD_LIBRARY_PATH.
Installera CNTK för Python i Linux
Den här sidan beskriver hur du installerar Microsoft Cognitive Toolkit (CNTK) som ska användas från Python i Linux. Observera att Ubuntu 14.04 stöds för CNTK 2.3.1 och lägre. Alla versioner 2.4+ stöder officiellt endast Ubuntu 16.04.
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. Installera från PyPI
Från och med CNTK 2.5-versionen kan användarna nu installera CNTK via PyPI. Observera att endast Ubuntu 16.04 stöds officiellt.
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
Uppgradera 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 bara installerar via PyPI i stället.
- Easy pip install for Anaconda3 4.1.1
- Easy pip install for Anaconda2 4.3.0
| Python | Smak | URL |
|---|---|---|
| 2.7 | CPU-Only | https://cntk.ai/PythonWheel/CPU-Only/cntk-2.7.post1-cp27-cp27mu-linux_x86_64.whl |
| GPU | https://cntk.ai/PythonWheel/GPU/cntk_gpu-2.7.post1-cp27-cp27mu-linux_x86_64.whl |
|
| 3.5 | CPU-Only | https://cntk.ai/PythonWheel/CPU-Only/cntk-2.7.post1-cp35-cp35m-linux_x86_64.whl |
| GPU | https://cntk.ai/PythonWheel/GPU/cntk_gpu-2.7.post1-cp35-cp35m-linux_x86_64.whl |
|
| 3,6 | CPU-Only | https://cntk.ai/PythonWheel/CPU-Only/cntk-2.7.post1-cp36-cp36m-linux_x86_64.whl |
| GPU | https://cntk.ai/PythonWheel/GPU/cntk_gpu-2.7.post1-cp36-cp36m-linux_x86_64.whl |
Anaconda3
Vi har testat CNTK med Anaconda3 4.1.1 och Python version 2.7, 3.5 samt Anaconda3 4.3.1 med Python version 3.6. Om du inte har en Anaconda3-Python installation installerar du Anaconda3 4.1.1 Python för Linux (64-bitars).
Nedan förutsätter vi att kraven ovan är uppfyllda. Om du planerar att använda en GPU-aktiverad version av CNTK behöver du ett CUDA 9-kompatibelt grafikkort och uppdaterade grafikdrivrutiner installerade på systemet. Dessutom förutsätter vi att Anaconda är installerat och att det visas före andra Python installationer i din PATH.
pip installera utan en miljö
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
$ pip install <url>
där <url> är motsvarande hjulfils-URL i tabellen överst på den här sidan. Om du t.ex. har Python 3.5-körning
$ pip install https://cntk.ai/PythonWheel/CPU-Only/cntk-2.6-cp35-cp35m-linux_x86_64.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 ange --upgrade alternativen och --no-deps .
$ 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.
Snabbinstallationstest
Ett snabbtest som installationen lyckades med kan göras genom att fråga CNTK version:
$ 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 installera 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 miljönamn justerar du parametrarna därefter.
Öppna ett kommandogränssnitt, skapa miljön, gör den aktiv och pip-install CNTK:
$ conda create --name cntk-py35 python=3.5 numpy scipy h5py jupyter
$ activate cntk-py35
$ pip install https://cntk.ai/PythonWheel/CPU-Only/cntk-2.6-cp35-cp35m-linux_x86_64.whl
Ett snabbtest som installationen lyckades med kan göras genom att fråga CNTK version:
$ python -c "import cntk; print(cntk.__version__)"
Nu har du installerat CNTK, 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 Python för Linux (64-bitars). Nedan förutsätter vi att kraven ovan är uppfyllda. Om du planerar att använda en GPU-aktiverad version av CNTK behöver du ett CUDA 9-kompatibelt grafikkort och uppdaterade grafikdrivrutiner installerade på systemet. Dessutom antar vi att Anaconda2 är installerat och att det visas före andra Python installationer i din PATH.
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 paket varje natt. Du kan komma åt CNTK paket från de senaste nattliga versionerna här.
Om du använder en nattlig version måste du separat installera vissa paket från tredje part och dem till din PATH-miljövariabel (förutom OpenMPI-kravet som anges här). Följ avsnittet nedan för instruktioner. Om du till exempel installerar GPU-versionen av CNTK måste du även installera GPU-specifika paket som anges i följande avsnitt.
Miljövariabler och obligatoriska paket
VALFRITT: GPU-Specific paket
Om du tänker använda CNTK med GPU-stöd följer du den här sidan för att installera och konfigurera miljön i enlighet med detta.
När du har installerat ovanstående GPU-paket lägger du till dem i path-miljövariabeln, t.ex.
MKL
Standardbiblioteket för CNTK matematik är Intel Math Kernel Library (Intel MKL). Följ den här sidan om du vill installera den
- Exportera sökvägen till miljövariabeln
LD_LIBRARY_PATH, t.ex.
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
VALFRITT: OpenCV
CNTK 2.2 kräver open source Visuellt innehåll (OpenCV) för att installeras, men det är valfritt för CNTK 2.3+. Följ den här sidan om du vill installera den.
Du måste installera OpenCV för CNTK 2.3+ om du vill använda följande komponenter:
- CNTK bildläsare
- CNTK Image Writer – krävs för att använda TensorBoards bildfunktion.
Exportera miljövariabeln LD_LIBRARY_PATH som pekar på OpenCV-byggmappen, t.ex.
export LD_LIBRARY_PATH=/usr/local/opencv-3.1.0/lib:$LD_LIBRARY_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 måste du aktivera miljön innan du kör det här kommandot:
$ python -m cntk.sample_installer
Då laddas exemplen/självstudierna ned, de nödvändiga Python paketen installeras och exemplen kopieras till en katalog med namnet CNTK-Samples-VERSION (VERSION ersätts med den faktiska CNTK versionen) under den aktuella arbetskatalogen.
Du kan nu följa standardbeskrivningen för att testa installationen från Python och köra självstudierna eller Jupyter Notebooks.