Caffe2 - Instalacja

Teraz, gdy masz wystarczająco dużo wglądu w możliwości Caffe2, czas na samodzielne eksperymentowanie z Caffe2. Aby użyć wstępnie wytrenowanych modeli lub opracować modele we własnym kodzie Pythona, musisz najpierw zainstalować Caffe2 na swoim komputerze.

Na stronie instalacyjnej witryny Caffe2 dostępnej pod linkiem https://caffe2.ai/docs/getting-started.html zobaczysz następujące informacje, aby wybrać platformę i typ instalacji.

Jak widać na powyższym zrzucie ekranu, Caffe2 obsługuje kilka popularnych platform, w tym mobilne.

Teraz zrozumiemy kroki dla MacOS installation na którym testowane są wszystkie projekty w tym samouczku.

Instalacja MacOS

Instalacja może być czterech typów, jak podano poniżej -

Gotowe pliki binarne
Kompiluj ze źródła
Obrazy platformy Docker
Cloud

W zależności od preferencji wybierz dowolny z powyższych jako typ instalacji. Instrukcje podane tutaj są zgodne z witryną instalacyjną Caffe2 dlapre-built binaries. Używa Anacondy doJupyter environment. Wykonaj następujące polecenie w wierszu polecenia konsoli

pip install torch_nightly -f 
https://download.pytorch.org/whl/nightly/cpu/torch_nightly.html

Oprócz powyższego będziesz potrzebować kilku bibliotek innych firm, które są instalowane za pomocą następujących poleceń -

conda install -c anaconda setuptools
conda install -c conda-forge graphviz  
conda install -c conda-forge hypothesis
conda install -c conda-forge ipython
conda install -c conda-forge jupyter
conda install -c conda-forge matplotlib
conda install -c anaconda notebook
conda install -c anaconda pydot
conda install -c conda-forge python-nvd3
conda install -c anaconda pyyaml
conda install -c anaconda requests
conda install -c anaconda scikit-image
conda install -c anaconda scipy

Niektóre samouczki na stronie Caffe2 wymagają również instalacji zeromq, który jest instalowany za pomocą następującego polecenia -

conda install -c anaconda zeromq

Instalacja w systemie Windows / Linux

Wykonaj następujące polecenie w wierszu polecenia konsoli -

conda install -c pytorch pytorch-nightly-cpu

Jak pewnie zauważyłeś, do korzystania z powyższej instalacji potrzebujesz Anacondy. Będziesz musiał zainstalować dodatkowe pakiety, jak określono wMacOS installation.

Testowanie instalacji

Aby przetestować instalację, poniżej znajduje się mały skrypt Pythona, który możesz wyciąć i wkleić w swoim projekcie Juypter i wykonać.

from caffe2.python import workspace
import numpy as np
print ("Creating random data")
data = np.random.rand(3, 2)
print(data)
print ("Adding data to workspace ...")
workspace.FeedBlob("mydata", data)
print ("Retrieving data from workspace")
mydata = workspace.FetchBlob("mydata")
print(mydata)

Po wykonaniu powyższego kodu powinieneś zobaczyć następujące dane wyjściowe -

Creating random data
[[0.06152718 0.86448082]
[0.36409966 0.52786113]
[0.65780886 0.67101053]]
Adding data to workspace ...
Retrieving data from workspace
[[0.06152718 0.86448082]
[0.36409966 0.52786113]
[0.65780886 0.67101053]]

Zrzut ekranu strony testowej instalacji jest pokazany tutaj w celu szybkiego odniesienia -

Teraz, gdy zainstalowałeś Caffe2 na swoim komputerze, przejdź do instalacji aplikacji samouczków.

Instalacja samouczka

Pobierz źródło samouczków za pomocą następującego polecenia na konsoli -

git clone --recursive https://github.com/caffe2/tutorials caffe2_tutorials

Po zakończeniu pobierania znajdziesz kilka projektów Pythona w caffe2_tutorialsfolder w katalogu instalacyjnym. Zrzut ekranu tego folderu jest udostępniony do szybkiego przejrzenia.

/Users/yourusername/caffe2_tutorials

Możesz otworzyć niektóre z tych samouczków, aby zobaczyć, co Caffe2 codewygląda jak. Kolejne dwa projekty opisane w tym samouczku są w dużej mierze oparte na przykładach pokazanych powyżej.

Nadszedł czas, aby wykonać własne kodowanie w Pythonie. Zrozummy, jak używać wstępnie wytrenowanego modelu z Caffe2. Później nauczysz się tworzyć własną trywialną sieć neuronową do treningu na własnym zestawie danych.