Microsoft Cognitive Toolkit (CNTK) - 入门
在这里,我们将了解如何在 Windows 和 Linux 上安装 CNTK。此外,本章还介绍了如何安装 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,我们必须在计算机上安装 Python。您可以转到链接 https://www.python.org/downloads/ 并选择适合您操作系统的最新版本,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。
CNTK 支持 Windows 和 Linux,因此我们将介绍这两种系统。
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 的重新发行版。它包括附加软件包,如Scipy和Scikit-learn,CNTK 使用它们执行各种有用的计算。
因此,首先让我们看看在您的机器上安装 Anaconda 的步骤 −
步骤 1−首先从公共网站 https://www.anaconda.com/distribution/ 下载安装文件。
步骤 2 −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。
步骤 3 − 安装后,Anaconda 还将安装一些其他实用程序,这些实用程序会自动将所有 Anaconda 可执行文件包含在计算机 PATH 变量中。我们可以从此提示符管理我们的 Python 环境,可以安装包并运行 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
还有各种其他方法可以在您的机器上安装 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 上安装略有不同。在这里,对于 Linux,我们将使用 Anaconda 来安装 CNTK,但我们不会使用 Anaconda 的图形安装程序,而是使用 Linux 上的基于终端的安装程序。尽管安装程序几乎适用于所有 Linux 发行版,但我们仅针对 Ubuntu 进行了描述。
因此,首先让我们看看在您的机器上安装 Anaconda 的步骤 −
安装 Anaconda 的步骤
步骤 1 − 在安装 Anaconda 之前,请确保系统已完全更新。要检查,请先在终端内执行以下两个命令 −
sudo apt update sudo apt upgrade
步骤 2 −计算机更新完成后,从公共网站 https://www.anaconda.com/distribution/ 获取最新的 Anaconda 安装文件的 URL。
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 | }
将 url 占位符替换为从 Anaconda 网站复制的 URL。
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
上述命令将默认在我们的主目录中安装 Anaconda3。
安装 CNTK 包
一旦 Anaconda 安装完成,您可以使用最常用的方式通过 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
一旦 CNTK 作为 Python 包安装,我们就可以检查其文件和目录结构。它位于 C:\Users\
验证 CNTK 安装
将 CNTK 安装为 Python 包后,您应该验证 CNTK 是否已正确安装。从 Anaconda 命令 shell 中,输入 ipython 启动 Python 解释器。然后,输入以下命令导入 CNTK。
import cntk as c
导入后,使用以下命令检查其版本 −
print(c.__version__)
解释器将响应已安装的 CNTK 版本。如果没有响应,则安装存在问题。
CNTK 库组织
CNTK 从技术上讲是一个 Python 包,分为 13 个高级子包和 8 个较小的子包。下表包含 10 个最常用的包:
Sr.No | 软件包名称和说明 |
---|---|
1 |
cntk.io 包含用于读取数据的函数。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 包含用于训练的函数。例如:sgd() |
4 |
cntk.losses 包含用于测量训练误差的函数。例如:squared_error() |
5 |
cntk.metrics 包含用于测量模型误差的函数。例如:classificatoin_error |
6 |
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 包含训练函数。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() |