Caffe2 - Cài đặt

Bây giờ, bạn đã có đủ hiểu biết về các khả năng của Caffe2, đã đến lúc tự mình thử nghiệm Caffe2. Để sử dụng các mô hình được đào tạo trước hoặc để phát triển các mô hình của bạn bằng mã Python của riêng bạn, trước tiên bạn phải cài đặt Caffe2 trên máy của mình.

Trên trang cài đặt của trang Caffe2 có tại liên kết https://caffe2.ai/docs/getting-started.html bạn sẽ thấy phần sau để chọn nền tảng và loại cài đặt của mình.

Như bạn có thể thấy trong ảnh chụp màn hình ở trên, Caffe2 hỗ trợ một số nền tảng phổ biến bao gồm cả nền tảng di động.

Bây giờ, chúng ta sẽ hiểu các bước để MacOS installation mà tất cả các dự án trong hướng dẫn này đều được thử nghiệm.

Cài đặt MacOS

Việc cài đặt có thể có bốn kiểu như được đưa ra dưới đây:

Binaries dựng sẵn
Xây dựng từ nguồn
Hình ảnh Docker
Cloud

Tùy thuộc vào sở thích của bạn, hãy chọn bất kỳ tùy chọn nào ở trên làm kiểu cài đặt của bạn. Các hướng dẫn được đưa ra ở đây theo trang web cài đặt Caffe2 chopre-built binaries. Nó sử dụng Anaconda choJupyter environment. Thực thi lệnh sau trên dấu nhắc bảng điều khiển của bạn

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

Ngoài những thứ trên, bạn sẽ cần một vài thư viện của bên thứ ba, được cài đặt bằng các lệnh sau:

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

Một số hướng dẫn trong trang web Caffe2 cũng yêu cầu cài đặt zeromq, được cài đặt bằng lệnh sau:

conda install -c anaconda zeromq

Cài đặt Windows / Linux

Thực thi lệnh sau trên dấu nhắc bảng điều khiển của bạn:

conda install -c pytorch pytorch-nightly-cpu

Như bạn đã nhận thấy, bạn sẽ cần Anaconda để sử dụng cài đặt trên. Bạn sẽ cần cài đặt các gói bổ sung như được chỉ định trongMacOS installation.

Thử nghiệm cài đặt

Để kiểm tra cài đặt của bạn, một tập lệnh Python nhỏ được đưa ra bên dưới, bạn có thể cắt và dán vào dự án Juypter của mình và thực thi.

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)

Khi bạn thực thi đoạn mã trên, bạn sẽ thấy kết quả sau:

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]]

Ảnh chụp màn hình của trang kiểm tra cài đặt được hiển thị ở đây để bạn tham khảo nhanh -

Bây giờ, bạn đã cài đặt Caffe2 trên máy của mình, hãy tiến hành cài đặt các ứng dụng hướng dẫn.

Hướng dẫn cài đặt

Tải xuống nguồn hướng dẫn bằng lệnh sau trên bảng điều khiển của bạn -

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

Sau khi tải xuống hoàn tất, bạn sẽ tìm thấy một số dự án Python trong caffe2_tutorialsthư mục trong thư mục cài đặt của bạn. Ảnh chụp màn hình của thư mục này được đưa ra để bạn xem nhanh.

/Users/yourusername/caffe2_tutorials

Bạn có thể mở một số hướng dẫn này để xem Caffe2 codegiống như. Hai dự án tiếp theo được mô tả trong hướng dẫn này phần lớn dựa trên các mẫu được hiển thị ở trên.

Bây giờ là lúc để thực hiện một số mã hóa Python của riêng chúng ta. Hãy để chúng tôi hiểu, cách sử dụng mô hình được đào tạo trước từ Caffe2. Sau đó, bạn sẽ học cách tạo mạng nơ-ron nhỏ của riêng mình để đào tạo trên tập dữ liệu của riêng bạn.