CNTK - 入门
-
简述
在这里,我们将了解 CNTK 在 Windows 和 Linux 上的安装。此外,本章还解释了安装 CNTK 包、安装 Anaconda 的步骤、CNTK 文件、目录结构和 CNTK 库组织。 -
先决条件
为了安装 CNTK,我们必须在我们的计算机上安装 Python。您可以访问链接https://www.python.org/downloads/并为您的操作系统选择最新版本,即 Windows 和 Linux/Unix。Python基础教程可以参考链接https://www.jc2182.com/python3/index.htm。CNTK 支持 Windows 和 Linux,因此我们将介绍它们。 -
在 Windows 上安装
为了在 Windows 上运行 CNTK,我们将使用 Python 的Anaconda 版本。我们知道,Anaconda 是 Python 的再发行版。它包括额外的包,如Scipy和Scikit-learn,CNTK 使用它们来执行各种有用的计算。所以,首先让我们看看在你的机器上安装 Anaconda 的步骤 -第 1 步- 首先从公共网站https://www.anaconda.com/distribution/下载设置文件。第 2 步 - 下载安装文件后,开始安装并按照链接https://docs.anaconda.com/anaconda/install/中的说明进行操作。第 3 步- 安装后,Anaconda 还将安装一些其他实用程序,这些实用程序将自动将所有 Anaconda 可执行文件包含在您的计算机 PATH 变量中。我们可以从这个提示符管理我们的 Python 环境,可以安装包和运行 Python 脚本。 -
安装 CNTK 包
Anaconda 安装完成后,您可以使用最常用的方法通过 pip 可执行文件安装 CNTK 包,方法是使用以下命令 -pip install cntk
有多种其他方法可以在您的计算机上安装 Cognitive Toolkit。Microsoft 有一套简洁的文档,详细解释了其他安装方法。请点击链接 https://docs.microsoft.com/en-us/cognitive-toolkit/Setup-CNTK-on-your-machine。 -
在 Linux 上安装
在 Linux 上安装 CNTK 与在 Windows 上安装有点不同。在这里,对于 Linux,我们将使用 Anaconda 来安装 CNTK,但我们将在 Linux 上使用基于终端的安装程序,而不是 Anaconda 的图形安装程序。虽然,安装程序几乎适用于所有 Linux 发行版,但我们将描述限制为 Ubuntu。所以,首先让我们看看在你的机器上安装 Anaconda 的步骤 -安装 Anaconda 的步骤
Step 1 - 在安装 Anaconda 之前,请确保系统完全是最新的。要检查,首先在终端内执行以下两个命令 -sudo apt update sudo apt upgrade
第 2 步- 更新计算机后,从公共网站https://www.anaconda.com/distribution/获取最新的 Anaconda 安装文件的 URL。第 3 步- 复制 URL 后,打开终端窗口并执行以下命令 -wget -0 anaconda-installer.sh url SHAPE \* MERGEFORMAT y f x | }
将url占位符替换为从 Anaconda 网站复制的 URL。第 4 步 - 接下来,在以下命令的帮助下,我们可以安装 Anaconda -sh ./anaconda-installer.sh
上面的命令默认会在我们的主目录中安装Anaconda3 。 -
安装 CNTK 包
Anaconda 安装完成后,您可以使用最常用的方法通过 pip 可执行文件安装 CNTK 包,方法是使用以下命令 -pip install cntk
-
检查 CNTK 文件和目录结构
将 CNTK 作为 Python 包安装后,我们可以检查其文件和目录结构。它位于C:\Users\\Anaconda3\Lib\site-packages\cntk,如下图所示。 -
验证 CNTK 安装
将 CNTK 作为 Python 包安装后,您应该验证 CNTK 是否已正确安装。在 Anaconda 命令 shell 中,通过输入ipython 启动 Python 解释器。然后,通过输入以下命令导入CNTK 。import cntk as c
导入后,借助以下命令检查其版本 -print(c.__version__)
解释器将响应安装的 CNTK 版本。如果没有反应,说明安装有问题。 -
CNTK 图书馆组织
CNTK 是一个 Python 包,它被组织成 13 个高级子包和 8 个较小的子包。下表包含 10 个最常用的软件包:序号 包名称和说明 1 cntk.io包含读取数据的函数。例如:next_minibatch()2 cntk.layers包含用于创建神经网络的高级函数。例如:Dense()3 cntk.learners包含用于训练的功能。例如:sgd()4 cntk.losses包含测量训练误差的函数。例如:squared_error()5 cntk.metrics包含测量模型误差的函数。例如: classificatoin_error6 cntk.ops包含用于创建神经网络的低级函数。例如:tanh()7 cntk.random包含生成随机数的函数。例如:normal()8 cntk.train包含训练功能。例如:train_minibatch()9 cntk.initializer包含模型参数初始化器。例如:normal()和uniform()10 cntk.variables包含低级构造。例如:Parameter()和Variable()