AI應用開發實戰 - 從零開始配置環境

與本篇配套的視頻教程請訪問：https://www.bilibili.com/video/av24421492/

零、前提條件

• 一臺能聯網的電腦，使用win10 64位操作系統
• 請確保鼠標、鍵盤、顯示器都是好的

建議和反饋，請發送到
https://github.com/Microsoft/vs-tools-for-ai/issues

聯系我們
OpenmindChina@microsoft.com

一、Windows下開發環境搭建

本教材主要參考了如下資源：

官方github教程：https://github.com/microsoft/vs-tools-for-ai

斗魚tv教程：https://v.douyu.com/show/V6Aw87OBmXZvYGkg

本教程分為五步：
- 安裝VS：難度一星
- 安裝python：難度一星
- 安裝CUDA和cuDNN：這是本教程最繁瑣的一步，這一步直接拉高本教程的平均難度。
- 配置機器學習環境：這是本教程最簡單的一步，為了方便用戶配置環境，微軟提供了一鍵安裝工具！沒錯，一鍵安裝工具！業界良心阿！
- 安裝VS Tools For AI插件：難度一星

note：本教程對各個軟件需要使用的版本都做出了明確說明，請安裝指定的版本

請放輕松，接下來的傻瓜教程不需要動腦子，你甚至可以打開手機邊刷微博邊配置環境

0.安裝Git

訪問 https://git-scm.com/download/win

選擇64-bit Git for Windows Setup下載

雙擊.exe開始安裝

選擇好自己的安裝路徑，一路next，直到Adjusting your PATH environment

請選擇Use Git from the Windows Command Prompt

這一步就已經將Git添加到環境變量中了，然后就可以直接在命令行里使用Git啦。

然后繼續next，直到安裝結束

1.安裝VS

訪問 https://www.visualstudio.com/zh-hans/products/
在產品中點擊Visual Studio 2017

選擇Community版本下載

打開Visual Studio Installer進行如下的配置：

僅選擇.NET桌面開發與Python開發即可

僅選擇.NET桌面開發與Python開發即可

僅選擇.NET桌面開發與Python開發即可

note：請自行決定Visual Studio的安裝路徑

等待數分鐘，時長視網絡狀況而定，這個時候你可以去泡一杯茶，或者聽一首歌，如果你的網絡不是很好，那你可以去看集美劇或者別的什么，等待安裝結束。

note：坐 和 放寬

2.安裝python

訪問 https://www.python.org/downloads/

選擇版本3.5.4或3.6.5 ，Windows x86-64 executable installer下載。

打開安裝包，在安裝前，請選擇Add Python 3.X to PATH，隨后按照默認選項安裝即可。

點選后，程序將自動將Python加入環境變量，這樣避免在安裝后手動配置環境變量。

安裝結束后，請進行如下操作驗證python是否安裝成功

1.同時按下 win 與 R，在彈出的輸入框里輸入cmd 2.在彈出的窗口中輸入 python 3.輸入exit()退出 4.輸入python -m pip install -U pip以更新pip到最新版本

note: pip是一個用來管理python包的工具

自此，你已經完成了python的安裝，在朝著AI技術大牛的路上又前進了一步！

note：請伸出大拇指給自己一個贊?

3.安裝CUDA與cuDNN

如果你的電腦裝有Nvidia的顯卡，請進行這一步配置，否則請跳過。

首先通過操作系統更新，升級顯卡驅動到最新版。

3.1 安裝CUDA

打開 https://developer.nvidia.com/cuda-toolkit-archive

選擇CUDA 9.0 進行安裝。

點擊后，選擇如下的配置：

note：請選擇local版本下載，一旦失敗還可以重新再來；如果使用network版本，一旦失敗，需要重新下載1.4GB的安裝包

打開安裝包,進行安裝，請自行配置CUDA的安裝路徑，并手動將CUDA庫添加至PATH環境變量中。

note：在Windows中，CUDA的默認安裝路徑是:

“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin”

3.2 安裝cuDNN

note：打起精神！這是操作最復雜的一步！

訪問 https://developer.nvidia.com/rdp/cudnn-archive 找到我們需要的cuDNN版本：

cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0

cuDNN v7.0.5 Library for Windows 10

點擊鏈接，等待著你的并不是文件下載，而是：

↑這就是本教程里最麻煩的一步：在下載cuDNN之前需要注冊Nvidia會員并驗證郵箱。不過還好可以微信登錄，省掉一些步驟。

一番令人窒息的操作之后，我們終于得到了cuDNN，我們把文件解壓，取出這個路徑的cudnn64_7.dll,復制到CUDA的bin目錄下即可。默認的地址是：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin

note：到這里，我們已經完成了本教程最復雜的一步了

4.安裝機器學習的軟件及依賴

這一步雖然是整個教程最簡單的一步，甚至比把大象關進冰箱更簡單。

你只需要：

win + R ，打開cmd，在命令行中輸入：cd c:\ //選擇一個你喜歡的路徑 md AI //在這里創建一個AI目錄 cd AI //打開這個目錄 //克隆倉庫到本地 git clone https://github.com/Microsoft/samples-for-ai.git cd samples-for-ai //打開這個目錄 cd installer //還有這個目錄 python.exe install.py //開始安裝

然后刷會微博，等待安裝結束即可。

成功之后是這樣的：

或者你覺得自己不怕麻煩，那么請訪問：https://github.com/Microsoft/vs-tools-for-ai/blob/master/docs/zh-hans/docs/prepare-localmachine.md

根據教程按步安裝，相信我，你會回來選擇一鍵安裝的。

note：就差一步啦！成功就在眼前！

5.安裝tools for ai插件

打開Visual Studio，選擇工具->擴展和更新->選擇“聯機”->搜索“AI”
就像這樣：

等待下載完成之后，關閉Visual Studio，沒錯，關閉Visual Studio，系統將自動安裝AI插件。

安裝完畢后再次打開Visual Studio，你將在界面上看到這樣的內容：

那么恭喜你！安裝成功！

note：千里之行始于足下，恭喜你成功地完成了環境的搭建，接下來就已經可以使用Visual Studio Tools For AI進行開發了?

二、離線模型的訓練

---

6.14日更新
GitHub上的samples-for-ai進行了一定的更新，目前MNIST文件夾下只有一個mnist.py文件，

下述步驟中，請使用最新的mnist.py文件

---

在進行完環境搭建后，我們馬上就可以開始訓練第一個模型了，我們選擇tensorflow下的MNIST作為第一個例子。

MNIST的介紹請參考這個鏈接 https://www.tensorflow.org/versions/r1.1/get_started/mnist/beginners

首先我們打開這個路徑：C:\AI\samples-for-ai\examples\tensorflow，如果你在別的目錄下克隆了目錄，那么請打開你對應的目錄。然后雙擊TensorflowExamples.sln
就像這樣：

note：如果存在多個Python環境，你需要為Visual Studio的AI項目設置默認的Python環境。

例如，手動安裝的Python 3.5與Visual Studio 2017 Python開發負載自動安裝了64位的Python 3.6

如果要為Visual Studio設置全局的默認Python環境，請打開工具->Python -> Python環境。然后，選擇自己需要的Python版本，點擊將此作為新項目的默認環境。

然后在解決方案資源管理器中，選擇MNIST，單擊右鍵，選擇設為啟動項目

然后選擇MNIST中的mnist.py，單擊右鍵，選擇在不調試的情況下啟動

然后程序就開始運行了，就像這樣：

等待一段時間之后，模型就訓練好了！這個時候打開MNIST所在的文件夾，MNIST下是否多了三個文件夾？分別是input和output還有export，這三個文件夾分別存儲了訓練模型的輸入文件、訓練時的檢查點文件，還有最終導出的模型文件

檢查點文件：

模型文件：

可能存在的問題

GPU ran out of memory

方法一：
修改convolutional.py第45行或第47行的BATCH_SIZE或EVAL_BATCH_SIZE為一個更小的數字。具體修改哪一個，需要視你在程序運行的哪個部分得到了ERROR決定。

方法二：
不使用GPU訓練，在項目MNIST上單擊右鍵，選擇屬性(R)

修改環境變量為CUDA_VISIBLE_DEVICES=" "

總結

以上是生活随笔為你收集整理的AI应用开发实战系列之一： 从零开始配置环境的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。