Le Deep Learning est un sujet brûlant ces dernières années. Il existe différents frameworks tels que Caffe et TensorFlow, mais je suis exclusivement une secte Chainer. J'utilise habituellement Ubuntu 14.04, mais l'autre jour, j'ai dû gérer Chainer sur une machine Windows, et je n'ai pas pu installer Chainer aussi bien qu'avec Ubuntu, donc cela a pris beaucoup de temps. Je pense que c'est un cas rare, mais j'ai résumé où il a été pris et comment le résoudre.
Je vais omettre l'introduction de Python et Git. Au fait, comme il s'agissait d'un environnement CPU, je ne peux pas expliquer CUDA etc.
Il semble que chainer ne peut pas être installé à moins que numpy, scipy et h5py ne soient installés.
Lors de l'installation de ces modules, je ne peux pas les installer en faisant soudainement "pip install numpy". Apparemment, vous devez installer à partir d'un fichier compilé appelé whl. Il existe différents fichiers whl sur ce site, alors téléchargez-les ici. Une fois que vous avez téléchargé le fichier whl dont vous avez besoin, utilisez ce fichier pour installer pip. Voici un exemple de numpy.
cd [répertoire avec fichiers whl]
pip install numpy-1.11.1+mkl-cp27-cp27m-win_amd64.whl
Installez également scipy et h5py à partir du fichier whl.
$ pip install [nom du module] --proxy = [utilisateur] @ [proxy]: [port]
Eh bien, il n'y a pas de fichier whl pour le chainer sur le site précédent. (Au 30 juin 2016) Alors clonons le code de GitHub et construisons-le.
$ git clone https://github.com/pfnet/chainer.git
$ cd chainer
$ python setup.py install
Je pense que cela apparaîtra dans le message d'erreur, mais il semble que Visual Studio C ++ soit requis Téléchargez et installez depuis ici
Vous devriez enfin pouvoir l'installer.
Reconnaissons MNIST dans l'exemple pour vérifier si Chainer a été installé correctement. Essayez d'exécuter ce qui suit dans le répertoire que vous avez cloné git.
$ python examples/mnist/train_mnist.py
GPU: -1
unit: 1000
Minibatch-size: 100
epoch: 20
Network type: simple
load MNIST dataset
epoch 1
graph generated
train mean loss=0.190369202715, accuracy=0.941016668603, throughput=994.727940618 images/sec
test mean loss=0.0899474363861, accuracy=0.970900004506
epoch 2
・
・
・
Cela a pris environ 10 minutes car il s'agit d'un environnement CPU
Il semble que bash sera introduit dans Windows 10, donc je pense qu'il ne sera pas nécessaire de prendre des mesures aussi gênantes à l'avenir. Si vous ne pouvez pas attendre son introduction, veuillez essayer cette méthode.