【CAVEDU講堂】在 Windows 上安裝 TensorFlow 的環境

作者:CAVEDU教育團隊

您聽過神經網路運算嗎?今天跟大家方分享一些 AI、神經網路運算資訊,以及我們設計人工神經網路實作課程時,在 Windows 系統上使用的一些工具。

說到人工智慧,相關技術的人會想到機器視覺、自然語言等專有名詞。Google 的 Deepmind 團隊使用了Alpha GO 挑戰世界棋王獲勝的事,大家還記得嗎?(快速回憶AlphaGO),這項成果該團隊使用的是神經網路運算技術,工具是 Tensorflow。Gmail 的垃圾郵件判讀、Google 相簿臉部識別、Google 翻譯,Google 在 Tensorflow 上以 Opensource 的方式開放出來,大家可按照自己想做的 AI 案例收集樣本資料,訓練 AI 判斷的模型。

淺談人工智慧實作

首先,有幾種與運算效能不強的硬體整合的 AI 方式(想直接安裝 Tensorflow,可跳過這一段)。

1. 使用物聯網將判斷交給雲端處理,並將處理結果回傳

終端裝置(樹莓派、Linkit7688等)負責收集影像、語音資料,將這些影像、語音資料上傳至雲端AI(Google、Azure、IBM bluemix等),雲端 AI 判斷後,將判斷結果回傳至終端裝置,終端裝置再進行動作。

  • 微軟認知服務,解析人的年齡、性別、情緒(實作教學
  • Google 語音助理的服務,將聲音上傳到 Google,交由雲端處理(實作教學影片
  • IBM Bluemix 服務做 TJBOT 聊天機器人(實作教學

2. 使用 Opensouce 的工具,建立自己的 AI 專案,訓練 AI

建立判斷 AI 的工具,透過 AI 工具提供的演算法和判斷方法,收集相關資料(比如:透過圖片判斷動物園的動物種類),訓練 AI,提高 AI 的推理能力(從可分別猩猩和大象的差別,提升至可分別猩猩和獼猴的差別)。

3. 邊緣運算、智慧邊緣

結合訓練的 AI,將運算交給終端裝置(手機、樹梅派等),解決將資料傳給雲端,再回傳資料導致的延遲。(如:汽車上的 AI,如果因網路不順,導致判斷過慢發生車禍等意外;又或者在製造業使用的機器手臂,判斷過慢導致產線的良率不穩。)

  • Nvidia 的 GPU 顯示卡,幫助電腦運算
  • Intel 的低功耗加速 AI 推理的運算棒(相關文章

在 Windows 上安裝 TensorFlow 的環境

我們要開在 Windows 作業系統上安裝 Tensorflow 的教學。請將安裝的電腦,額外預留 5GB 的硬碟容量以安裝相關軟體。

1. 安裝 Anaconda 環境

對 AI 初學者來說,安裝 TensorFlow 環境、使用的套件雜亂,相互不匹配,是第一道難關。但 Anaconda可將這件事變得很單純,因為 Anaconda 除了支援 Windows,也支援 Mac、Linux 作業系統。之後有空,再跟大家分享在 Windows App 上安裝 Ubuntu 作業系統。

請先至 Anaconda網站下載軟體,點選下圖左邊的 Windows 選項。

選擇下載的安裝環境,有 Python3、2 兩種版本。因為許多的 AI 範例使用 Python3,建議使用 Python 3。並依照電腦規格,選擇 64 位元 / 32 位元的版本下載。

點選下載的檔案,開始安裝,點選下一步、同意。

選擇是否只安裝在這一個 Windows 的帳號。

決定安裝路徑,因為之後會訓練資料,各位可以盡量選擇讀寫速度較快的硬碟。

點選加入 Windows 的環境變數(可不選,能讓 Windows 的 CMD 視窗也可以呼叫 Anaconda),預設使用 Python3.6。

安裝完成後,在開始的列表會出現 Anaconda 的相關工具。

2. 建立獨立的 Anacoonda(Python)虛擬環境

Python 有許多相依的套件,建議讀者們在做不一樣的 Python 套件實測試時,可重新建立新的環境,每個新的環境會依照名稱顯示。下圖是我建立兩個環境,分別命名為 testlesson1、testtensorflow。

首先,在本機磁碟(C),新增一個資料夾[testAI],以便管理環境中的檔案,點選[Anaconda Prompt]。

指令:移動至資料夾[testAI]

指令:建立 Anaconda 環境



指令功能:

conda create:建立虛擬環境

–-name testAI:環境名稱,取名為 testAI

python=3.6:Python 的版本為 3.6

anaconda:建立環境時,會把 Python 相關的套件也一起安裝,例如:NumPy、SciPy 等常用的套件,也有 Jupyter Notebook。

Anaconda 會詢問你該虛擬環境是否安裝這些套件,輸入指令 y

安裝完成後,您可以用下列兩個指令開啟 / 關閉虛擬環境:

若成功開啟虛擬環境,命令列最左方的顯示會由(base)改為(testAI)。

3. 安裝 TensorFlow 、 Keras、OpenCV

接著,我們要安裝一些訓練 AI 模型的套件,這些都是 Python 相關的套件,您可以用 pip 安裝,也可以用 conda 安裝。

安裝 Python 的 Tensorflow 套件:

安裝 Python 的 Keras 套件:

安裝 Python 的 OpenCV 套件:

套件安裝的差不多了。如果您有想要訓練的資料集、執行的程式,可以放在資料夾[testAI]裡。

接著移動至指定的資料夾:

回到上一層資料夾:

指令功能:

cd .\ai-car\keras_source:移動資料夾到 ai-car\keras_source

cd .. :回到上一層資料夾

4. 執行手寫辨識範例

最後,我們執行一個訓練資料的手寫辨識範例,確認 Tensorflow 系統環境都沒有問題。(資源來自 Keras 中文文檔

首先,安裝 git 套件。

接下來

a. 透過 git 下載 keras 的範例

git clone https://github.com/fchollet/keras.git

b. 移動到範例資料夾

> cd ./keras/examples/

c. 執行手寫辨識訓練資料,若執行未出現錯誤,恭喜您已安裝成功,可不用等待程式執行完畢,[Ctrl+C]直接跳出訓練畫面

> python mnist_mlp.py

 

(本文經同意轉載自 CAVEDU 教育團隊原文連結;責任編輯:簡端君)

CAVEDU 教育團隊

CAVEDU 教育團隊是由一群對教育充滿熱情的大孩子所組成的機器人科學教育團隊。致力推動國內機器人教育。
CAVEDU 教育團隊

Author: CAVEDU 教育團隊

CAVEDU 教育團隊是由一群對教育充滿熱情的大孩子所組成的機器人科學教育團隊。致力推動國內機器人教育。

Share This Post On

Submit a Comment

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *