Microsoft Cognitive Toolkit (CNTK) - Erste Schritte

Hier erfahren Sie mehr über die Installation von CNTK unter Windows und Linux. Darüber hinaus werden in diesem Kapitel die Installation des CNTK-Pakets, Schritte zur Installation von Anaconda, CNTK-Dateien, die Verzeichnisstruktur und die Organisation der CNTK-Bibliothek erläutert.

Voraussetzungen

Um CNTK installieren zu können, muss Python auf unseren Computern installiert sein. Sie können zum Link gehenhttps://www.python.org/downloads/und wählen Sie die neueste Version für Ihr Betriebssystem aus, z. B. Windows und Linux / Unix. Ein grundlegendes Tutorial zu Python finden Sie unter dem Linkhttps://www.tutorialspoint.com/python3/index.htm.

CNTK wird sowohl für Windows als auch für Linux unterstützt, daher werden wir beide durchgehen.

Installation unter Windows

Um CNTK unter Windows auszuführen, verwenden wir das Anaconda versionvon Python. Wir wissen, dass Anaconda eine Umverteilung von Python ist. Es enthält zusätzliche Pakete wieScipy undScikit-learn die von CNTK verwendet werden, um verschiedene nützliche Berechnungen durchzuführen.

Sehen Sie sich zunächst die Schritte zur Installation von Anaconda auf Ihrem Computer an.

Step 1- Laden Sie zuerst die Setup-Dateien von der öffentlichen Website herunter https://www.anaconda.com/distribution/.

Step 2 - Sobald Sie die Setup-Dateien heruntergeladen haben, starten Sie die Installation und folgen Sie den Anweisungen unter dem Link https://docs.anaconda.com/anaconda/install/.

Step 3- Nach der Installation installiert Anaconda auch einige andere Dienstprogramme, die automatisch alle ausführbaren Anaconda-Dateien in die PATH-Variable Ihres Computers aufnehmen. Über diese Eingabeaufforderung können wir unsere Python-Umgebung verwalten, Pakete installieren und Python-Skripte ausführen.

CNTK-Paket installieren

Sobald die Anaconda-Installation abgeschlossen ist, können Sie das CNTK-Paket auf die am häufigsten verwendete Weise über die ausführbare Pip-Datei installieren, indem Sie den folgenden Befehl verwenden:

pip install cntk

Es gibt verschiedene andere Methoden, um Cognitive Toolkit auf Ihrem Computer zu installieren. Microsoft verfügt über eine übersichtliche Dokumentation, in der die anderen Installationsmethoden ausführlich erläutert werden. Bitte folgen Sie dem Link https://docs.microsoft.com/en-us/cognitive-toolkit/Setup-CNTK-on-your-machine.

Installation unter Linux

Die Installation von CNTK unter Linux unterscheidet sich ein wenig von der Installation unter Windows. Hier werden wir für Linux Anaconda verwenden, um CNTK zu installieren, aber anstelle eines grafischen Installationsprogramms für Anaconda werden wir ein terminalbasiertes Installationsprogramm unter Linux verwenden. Obwohl das Installationsprogramm mit fast allen Linux-Distributionen funktioniert, haben wir die Beschreibung auf Ubuntu beschränkt.

Sehen Sie sich zunächst die Schritte zur Installation von Anaconda auf Ihrem Computer an.

Schritte zum Installieren von Anaconda

Step 1- Stellen Sie vor der Installation von Anaconda sicher, dass das System vollständig auf dem neuesten Stand ist. Führen Sie zur Überprüfung zunächst die folgenden zwei Befehle in einem Terminal aus:

sudo apt update
sudo apt upgrade

Step 2 - Sobald der Computer aktualisiert ist, rufen Sie die URL von der öffentlichen Website ab https://www.anaconda.com/distribution/ für die neuesten Anaconda-Installationsdateien.

Step 3 - Sobald die URL kopiert wurde, öffnen Sie ein Terminalfenster und führen Sie den folgenden Befehl aus: -

wget -0 anaconda-installer.sh url SHAPE \* MERGEFORMAT 
     y

	
	
	             f
 
 
      x
	  
|                     }

Ersetze das url Platzhalter mit der von der Anaconda-Website kopierten URL.

Step 4 - Als nächstes können wir mit Hilfe des folgenden Befehls Anaconda installieren -

sh ./anaconda-installer.sh

Der obige Befehl wird standardmäßig installiert Anaconda3 in unserem Home-Verzeichnis.

CNTK-Paket installieren

Sobald die Anaconda-Installation abgeschlossen ist, können Sie das CNTK-Paket auf die am häufigsten verwendete Weise über die ausführbare Pip-Datei installieren, indem Sie den folgenden Befehl verwenden:

pip install cntk

Untersuchen von CNTK-Dateien und Verzeichnisstrukturen

Sobald CNTK als Python-Paket installiert ist, können wir seine Datei- und Verzeichnisstruktur untersuchen. Es ist beiC:\Users\\Anaconda3\Lib\site-packages\cntk, wie unten im Screenshot gezeigt.

Überprüfen der CNTK-Installation

Sobald CNTK als Python-Paket installiert ist, sollten Sie überprüfen, ob CNTK korrekt installiert wurde. Starten Sie in der Anaconda-Befehlsshell den Python-Interpreter durch Eingabeipython. Dann importieren CNTK durch Eingabe des folgenden Befehls.

import cntk as c

Überprüfen Sie nach dem Import die Version mit dem folgenden Befehl:

print(c.__version__)

Der Interpreter antwortet mit der installierten CNTK-Version. Wenn es nicht reagiert, liegt ein Problem mit der Installation vor.

Die Organisation der CNTK-Bibliothek

CNTK, technisch gesehen ein Python-Paket, ist in 13 übergeordnete Unterpakete und 8 kleinere Unterpakete unterteilt. Die folgende Tabelle enthält die 10 am häufigsten verwendeten Pakete:

Sr.Nr. Paketname & Beschreibung
1

cntk.io

Enthält Funktionen zum Lesen von Daten. Zum Beispiel: next_minibatch ()

2

cntk.layers

Enthält Funktionen auf hoher Ebene zum Erstellen neuronaler Netze. Zum Beispiel: Dense ()

3

cntk.learners

Enthält Funktionen für das Training. Zum Beispiel: sgd ()

4

cntk.losses

Enthält Funktionen zum Messen von Trainingsfehlern. Zum Beispiel: squared_error ()

5

cntk.metrics

Enthält Funktionen zum Messen von Modellfehlern. Zum Beispiel: classificatoin_error

6

cntk.ops

Enthält Funktionen auf niedriger Ebene zum Erstellen neuronaler Netze. Zum Beispiel: tanh ()

7

cntk.random

Enthält Funktionen zum Generieren von Zufallszahlen. Zum Beispiel: normal ()

8

cntk.train

Enthält Trainingsfunktionen. Zum Beispiel: train_minibatch ()

9

cntk.initializer

Enthält Initialisierer für Modellparameter. Zum Beispiel: normal () und uniform ()

10

cntk.variables

Enthält Konstrukte auf niedriger Ebene. Zum Beispiel: Parameter () und Variable ()