Exécutez Keras avec le backend CNTK à partir de CentOS

Keras prend désormais en charge CNTK. https://docs.microsoft.com/en-us/cognitive-toolkit/Using-CNTK-with-Keras

Je l'ai installé et essayé, je vais donc vous présenter la procédure.

environnement

CentOS 7.3 et Python 3.5, CPU uniquement. En regardant le site de Microsoft, seul Ubuntu est écrit sur la façon de créer un environnement Linux, mais Centos 7.3 a également bien fonctionné. (Boyaki: l'apprentissage profond est devenu le plus puissant d'Ubuntu.)

Installation de CNTK

La procédure officielle est ci-dessous. https://docs.microsoft.com/en-us/cognitive-toolkit/setup-linux-python?tabs=cntkpy21

Ici, nous allons vous montrer comment l'installer sur Centos 7.3.

Tout d'abord, installez Anaconda3. Sélectionnez la version parmi les suivantes et installez-la. https://www.continuum.io/downloads

Si vous souhaitez installer à partir de la ligne de commande, vous pouvez l'installer comme suit.

wget https://repo.continuum.io/archive/Anaconda3-4.3.1-Linux-x86_64.sh
bash Anaconda3-4.3.1-Linux-x86_64.sh -b -p /opt/anaconda3
echo 'export PATH="/opt/anaconda3/bin:$PATH"' >> /etc/profile
source /etc/profile

CNTK nécessite OpenMPI. Installez-le sur CentOS7.3 avec ce qui suit et définissez les variables d'environnement.

yum -y install openmpi openmpi-devel
export PATH=/usr/lib64/openmpi/bin:$PATH
export LD_LIBRARY_PATH=/usr/lib64/openmpi/lib:$LD_LIBRARY_PATH

C'est enfin l'installation de CNTK. Spécifiez l'URL qui convient à votre environnement avec pip install. Pour Linux, CPU uniquement, Python3.5, ce sera comme suit.

pip install https://cntk.ai/PythonWheel/CPU-Only/cntk-2.1-cp35-cp35m-linux_x86_64.whl

Vous trouverez ci-dessous une liste d'URL à spécifier. https://docs.microsoft.com/en-us/cognitive-toolkit/setup-linux-python?tabs=cntkpy21

Si l'installation réussit, vous pouvez voir la version CNTK ci-dessous.

python -c "import cntk; print(cntk.__version__)"

Des exemples de programmes et de didacticiels sont disponibles ci-dessous.

python -m cntk.sample_installer

Utilisé avec Keras

Pour utiliser CNTK avec Keras, vous devez modifier le backend. https://keras.io/ja/backend/

Le backend est modifié dans /User'sHOME/.keras/keras.json, mais à ce stade, le répertoire .keras n'existe pas encore. Vous devez appeler Keras depuis Python une fois et le créer.

python -c "import keras"

Je pense que TensorFlow est le backend par défaut. Modifiez /User'sHOME/.keras/keras.json.

#Avant de modifier
{
    "floatx": "float32",
    "image_data_format": "channels_last",
    "epsilon": 1e-07,
    "backend": "cntk"
}

#Après l'édition
{
    "floatx": "float32",
    "image_data_format": "channels_last",
    "epsilon": 1e-07,
    "backend": "cntk"
}

Vous pouvez désormais utiliser Keras avec le backend CNTK.

Si vous importez Keras dans Jupyter Notebook, vous pouvez voir que le backend est CNTK.

MNIST pour le moment

Pour le moment, j'ai essayé d'exécuter l'exemple MLP de MNIST. https://github.com/fchollet/keras/blob/master/examples/mnist_mlp.py

C'est un tel réseau.

Le programme fonctionne tel quel à partir du Keras existant. Aucune modification requise.

Aperçu et résultats

Données de formation: 60 000 images 28x28 -Données de test: 10000 images 28x28
Taille du lot: 128
Époque: 20
Temps de formation backend CNTK: 314 secondes
Résultats des tests de backend CNTK: perte 0,106430094829, précision 0,9835

De côté

Le cadre d'apprentissage en profondeur est bondé, mais DL4J fait une comparaison. Il est étonnamment bien organisé. https://deeplearning4j.org/ja/compare-dl4j-torch7-pylearn