Träna en modell med CNTK

I den här självstudien använder vi Visual Studio Tools för AI, ett utvecklingstillägg för att skapa, testa och distribuera Djupinlärnings- och AI-lösningar för att träna en modell.

Vi tränar modellen med ramverket Microsoft Cognitive Toolkit (CNTK) och MNIST-datauppsättningen, som har en träningsuppsättning med 60 000 exempel och en testuppsättning med 10 000 exempel på handskrivna siffror. Sedan sparar vi modellen med formatet Open Neural Network Exchange (ONNX) som ska användas med Windows ML.

Förutsättningar

Installera Visual Studio Tools för AI

För att komma igång måste du ladda ned och installera Visual Studio. När du har Visual Studio öppet aktiverar du Visual Studio Tools for AI-tillägget :

1. Klicka på menyraden i Visual Studio och välj "Tillägg och uppdateringar..."
2. Klicka på fliken Online och välj "Sök på Visual Studio Marketplace".
3. Sök efter "Visual Studio Tools for AI".
4. Klicka på knappen Ladda ned .
5. Starta om Visual Studio efter installationen.

Tillägget är aktivt när Visual Studio startas om. Om du har problem kan du läsa Hitta Visual Studio-tillägg.

Ladda ned exempelkod

Ladda ner Exempel för AI-repository på GitHub. Exemplen omfattar att komma igång med djupinlärning i TensorFlow, CNTK, Theano med mera.

Installera CNTK

Installera CNTK för Python i Windows. Observera att du också måste installera Python om du inte redan har gjort det.

Du kan också förbereda datorn för utveckling av djupinlärningsmodeller i Förbereda utvecklingsmiljön för ett förenklat installationsprogram för installation av Python, CNTK, TensorFlow, NVIDIA GPU-drivrutiner (valfritt) med mera.

1. Öppna projekt

Starta Visual Studio och välj Fil > Öppna > Projekt/Lösning. Från lagringsplatsen Exempel för AI väljer du mappen examples\cntk\python och öppnar filen CNTKPythonExamples.sln .

2. Träna modellen

Om du vill ange MNIST-projektet som startprojekt högerklickar du på Python-projektet och väljer Ange som startprojekt.

Öppna sedan filen train_mnist_onnx.py och Kör projektet genom att trycka på F5 eller den gröna knappen Kör .

3. Visa modellen och lägg till den i din app

Nu bör den tränade mnist.onnx-modellfilen finnas i mappen samples-for-ai/examples/cntk/python/MNIST.

4. Läs mer

Mer information om hur du påskyndar träning av djupinlärningsmodeller med azure GPU Virtual Machines med mera finns i Artificiell intelligens på Microsoft och Microsoft Machine Learning Technologies.

Anmärkning

Använd följande resurser för hjälp med Windows ML:

• Om du vill ställa eller besvara tekniska frågor om Windows ML använder du taggen windows-machine-learning på Stack Overflow.
• Om du vill rapportera en bugg, skicka in en felrapport på vår GitHub-sida .