📅  最后修改于: 2020-12-10 04:59:10             🧑  作者: Mango
在这里,我们将了解在Windows和Linux上CNTK的安装。此外,本章还介绍了安装CNTK软件包,安装Anaconda,CNTK文件,目录结构和CNTK库组织的步骤。
为了安装CNTK,我们必须在计算机上安装Python 。您可以转到链接https:// www。 Python.org / downloads /并为您的操作系统选择最新版本,即Windows和Linux / Unix。有关Python的基本教程,您可以参考链接https://www.tutorialspoint.com/python3/index.htm 。
Windows和Linux支持CNTK,因此我们将逐步介绍它们。
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的重新分发。它包括CNTK用于执行各种有用计算的其他软件包,例如Scipy和Scikit-learn 。
因此,首先让我们看看在您的计算机上安装Anaconda的步骤-
步骤1-首先从公共网站https://www.anaconda.com/distribution/下载设置文件。
步骤2-下载设置文件后,开始安装并按照链接https://docs.anaconda.com/anaconda/install/中的说明进行操作。
步骤3-一旦安装,Anaconda还将安装一些其他实用程序,这些实用程序将自动在您的计算机PATH变量中包含所有Anaconda可执行文件。我们可以从此提示管理Python环境,可以安装软件包并运行Python脚本。
Anaconda安装完成后,可以使用以下命令通过最常见的方式通过pip可执行文件安装CNTK软件包-
pip install cntk
还有多种其他方法可以在计算机上安装Cognitive Toolkit。 Microsoft提供了一套简洁的文档,详细介绍了其他安装方法。请点击链接https://docs.microsoft.com/en-us/cognitive-toolkit/Setup-CNTK-on-your-machine 。
Linux上CNTK的安装与Windows上的安装有些不同。在这里,对于Linux,我们将使用Anaconda安装CNTK,但是我们将在Linux上使用基于终端的安装程序,而不是Anaconda的图形安装程序。尽管该安装程序可与几乎所有Linux发行版一起使用,但我们仅将说明限于Ubuntu。
因此,首先让我们看看在您的计算机上安装Anaconda的步骤-
步骤1-在安装Anaconda之前,请确保系统是最新的。要检查,首先在终端内执行以下两个命令:
sudo apt update
sudo apt upgrade
步骤2-更新计算机后,从公共网站https://www.anaconda.com/distribution/获取URL,以获取最新的Anaconda安装文件。
步骤3-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
| }
用从Anaconda网站复制的URL替换url占位符。
步骤4-接下来,在以下命令的帮助下,我们可以安装Anaconda-
sh ./anaconda-installer.sh
默认情况下,以上命令将在我们的主目录中安装Anaconda3 。
Anaconda安装完成后,可以使用以下命令通过最常见的方式通过pip可执行文件安装CNTK软件包-
pip install cntk
CNTK作为Python软件包安装后,我们可以检查其文件和目录结构。在C:\ Users \
将CNTK作为Python软件包安装后,您应验证CNTK已正确安装。在Anaconda命令外壳中,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,在以下命令的帮助下检查其版本-
print(c.__version__)
解释器将响应已安装的CNTK版本。如果没有响应,则说明安装存在问题。
CNTK从技术上讲是Python软件包,分为13个高级子软件包和8个较小的子软件包。下表包含10个最常用的软件包:
Sr.No | Package Name & Description |
---|---|
1 |
cntk.io Contains functions for reading data. For example: next_minibatch() |
2 |
cntk.layers Contains high-level functions for creating neural networks. For example: Dense() |
3 |
cntk.learners Contains functions for training. For example: sgd() |
4 |
cntk.losses Contains functions to measure training error. For example: squared_error() |
5 |
cntk.metrics Contains functions to measure model error. For example: classificatoin_error |
6 |
cntk.ops Contains low-level functions for creating neural networks. For example: tanh() |
7 |
cntk.random Contains functions to generate random numbers. For example: normal() |
8 |
cntk.train Contains training functions. For example: train_minibatch() |
9 |
cntk.initializer Contains model parameter initializers. For example: normal() and uniform() |
10 |
cntk.variables Contains low-level constructs. For example: Parameter() and Variable() |