Jusqu'à ce que vous puissiez faire une reconnaissance d'image simple avec Jupyter

en premier

Soudain, j'ai voulu créer une application de discrimination d'image, alors j'ai d'abord utilisé jupyter dans l'environnement Windows J'ai essayé de créer un programme qui distingue facilement les images.

Environnement de développement OS: Windows10 Home GPU: Geforce GTX1660Ti Anaconda: 4.8.2

Diverses installations

Tout d'abord, téléchargez et installez Anaconda à partir du site suivant https://www.anaconda.com/products/individual

Ensuite, nous présenterons TensorFlow, qui est une bibliothèque requise pour la reconnaissance d'images.

Avant cela, le PC que j'utilise a maintenant un GPU, donc j'aimerais utiliser le GPU pour le calcul. Cependant, il semble qu'il soit nécessaire d'installer le pilote Nvidia, CUDA et cuDNN, et ces outils n'ont pas besoin d'être à jour, et le GPU ne le reconnaîtra que si vous faites attention à la version ...

Alors, tout d'abord, recherchez votre GPU sur le site suivant, téléchargez et installez le pilote Nvidia https://www.nvidia.co.jp/Download/index.aspx?lang=jp Je ne suis pas sûr du type de téléchargement, mais j'ai choisi le pilote Game Ready. C'était la version 445.87 lorsque je l'ai installée.

Comme je l'ai écrit précédemment, il faut installer en faisant attention à la correspondance de chaque version, donc voir le tableau de correspondance sur ce site Version du pilote Nvidia ⇒ Installer le CUDA correspondant ⇒ Télécharger le cuDNN correspondant Page avec table de correspondance https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html https://www.tensorflow.org/install/source_windows page de téléchargement CUDA: https://developer.nvidia.com/cuda-downloads cuDNN: https://developer.nvidia.com/cudnn-download-survey Dans mon cas, la version CUDA était 10.0.130 et le cuDNN était 7.4.2 pour CUDA 10.0.

Après l'installation, procédez comme suit: -Toutes les données dans le dossier cudnn téléchargé Copier dans C: \ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.0

・ Pour les variables d'environnement système Nom de la variable: CUDNN_PATH Valeur: "C: \ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.0" Est nouvellement ajouté

Maintenant que l'installation nécessaire côté GPU est terminée, installez la bibliothèque TensorFlow à la fin. Tout d'abord, créez un environnement distinct pour TensorFlow sur Anaconda.

conda create -n tf37 python=3.7 anaconda
conda activate tf37

Dans cet environnement Installer tensorflow

conda install tensorflow-gpu==2.0.0

Enfin, exécutez la commande sur python et vérifiez que le GPU est correctement reconnu.

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

Cela termine diverses installations et vous pouvez utiliser TensorFlow.

J'ai trébuché un peu en dessous

Au début, j'ai utilisé pip pour installer en m'appuyant sur d'autres articles, mais lorsque j'ai utilisé tensorflow, j'ai eu l'erreur suivante. Probablement, lorsque vous l'utilisez avec jupyter, etc., cela semble inutile à moins qu'il ne soit installé avec conda.