Configurer Linux Python

  • Article

Packages requis

OpenMPI

CNTK nécessite l’installation d’OpenMPI 1.10.x sur votre système. Sur Ubuntu 16.04, installez-le comme suit :

sudo apt-get install openmpi-bin

Assurez-vous que ses bibliothèques sont disponibles, par exemple en configurant LD_LIBRARY_PATH.

Installation de CNTK pour Python sur Linux

Cette page vous guide tout au long du processus d’installation du Microsoft Cognitive Toolkit (CNTK) à utiliser à partir de Python dans Linux. Notez que Ubuntu 14.04 est pris en charge pour CNTK 2.3.1 et versions antérieures. Toutes les versions 2.4+ prennent officiellement en charge Ubuntu 16.04 uniquement.

Si vous recherchez d’autres types de support pour configurer un environnement de build CNTK ou installer des CNTK sur votre système, vous devez vous rendre ici à la place.

Nous proposons trois façons d’installer CNTK pour Python :

  1. Installation de PyPI
  2. Fichiers Wheel (.whl) pour chaque version
  3. Builds nocturnes

1. Installer à partir de PyPI

À compter de la version CNTK 2.5, les utilisateurs peuvent désormais installer CNTK via PyPI. Notez que seul Ubuntu 16.04 est officiellement pris en charge.

Pour installer la version uc seule de CNTK :

C:\> pip install cntk

Pour installer la version GPU de CNTK :

C:\> pip install cntk-gpu

Mettre à niveau une installation CNTK existante

Si vous disposez déjà d’une version antérieure (2.5+) de CNTK installée, vous pouvez installer une nouvelle version de CNTK sur votre installation existante.

Pour mettre à niveau la version uc seule de CNTK :

C:\> pip install --upgrade --no-deps cntk

Pour mettre à niveau la version GPU de CNTK :

C:\> pip install --upgrade --no-deps cntk-gpu

Remarque : nous vous conseillons de ne pas avoir les deux cntk packages cntk-gpu installés simultanément.

2. Installer à partir de Wheel Files

En fonction de python et de CNTK version (PROCESSEUR ou GPU), nous fournissons différents fichiers wheel (.whl) pour installer CNTK. Sélectionnez l’installation correcte dans la liste ci-dessous, puis remplacez le nom et/ou le lien pendant l’installation. Pour CNTK 2.5+, nous vous recommandons d’installer simplement via PyPI à la place.

Python Saveur URL
2.7 CPU-Only https://cntk.ai/PythonWheel/CPU-Only/cntk-2.7.post1-cp27-cp27mu-linux_x86_64.whl
GPU https://cntk.ai/PythonWheel/GPU/cntk_gpu-2.7.post1-cp27-cp27mu-linux_x86_64.whl
3,5 CPU-Only https://cntk.ai/PythonWheel/CPU-Only/cntk-2.7.post1-cp35-cp35m-linux_x86_64.whl
GPU https://cntk.ai/PythonWheel/GPU/cntk_gpu-2.7.post1-cp35-cp35m-linux_x86_64.whl
3.6 CPU-Only https://cntk.ai/PythonWheel/CPU-Only/cntk-2.7.post1-cp36-cp36m-linux_x86_64.whl
GPU https://cntk.ai/PythonWheel/GPU/cntk_gpu-2.7.post1-cp36-cp36m-linux_x86_64.whl

Anaconda3

Nous avons testé CNTK avec Anaconda3 4.1.1 et Python versions 2.7, 3.5, ainsi qu’Anaconda3 4.3.1 avec Python version 3.6. Si vous n’avez pas d’installation d’Anaconda3 Python, installez Anaconda3 4.1.1 Python pour Linux (64 bits).

Nous partons du principe que les conditions préalables ci-dessus sont satisfaites . Si vous envisagez d’utiliser une version compatible GPU de CNTK, vous aurez besoin d’une carte graphique compatible CUDA 9 et de pilotes graphiques à jour installés sur votre système. En outre, nous partons du principe qu’Anaconda est installé et qu’il est répertorié avant toute autre installation Python dans votre chemin d’accès.

installation pip sans environnement

Il s’agit de l’option la plus simple et la seule raison de l’éviter, c’est si vous avez besoin de versions spécifiques de certains packages. Si vous avez d’autres packages qui nécessitent une ancienne version de numpy, passez à cette section.

Première installation de CNTK

Si c’est la première fois que vous installez CNTK, exécutez

$ pip install <url>

où <url> est l’URL de fichier wheel correspondante dans le tableau en haut de cette page. Par exemple, si vous avez exécuté Python 3.5

$ pip install https://cntk.ai/PythonWheel/CPU-Only/cntk-2.6-cp35-cp35m-linux_x86_64.whl

Continuer avec un test d’installation rapide

Mettre à niveau une installation CNTK existante

Si vous avez déjà installé une version antérieure de CNTK, vous pouvez installer une nouvelle version de CNTK sur votre installation existante. Il est important de fournir les options et --no-deps les --upgrade options.

$ pip install --upgrade --no-deps <url>

où <url> est l’URL de fichier wheel correspondante dans le tableau en haut de cette page. Une fois que vous avez terminé cette étape de mise à niveau, vous pouvez commencer à utiliser CNTK dans Python ou installer des exemples et des didacticiels.

Test d’installation rapide

Un test rapide que l’installation a réussi peut être effectué en interrogeant la version CNTK :

$ python -c "import cntk; print(cntk.__version__)"

Vous avez maintenant installé CNTK, et vous pouvez commencer à développer / former / évaluer avec CNTK dans Python !

Continuer avec l’installation d’exemples et de didacticiels

installation pip dans un environnement

Ci-dessous, nous allons créer un environnement Python 3.5 dans Anaconda appelé cntk-py35 et installera CNTK dans cet environnement. Si vous souhaitez un autre CNTK version, version de Python ou nom d’environnement, ajustez les paramètres en conséquence.

Ouvrez un interpréteur de commandes, créez l’environnement, rendez-le actif et pip-install CNTK :

$ conda create --name cntk-py35 python=3.5 numpy scipy h5py jupyter
$ activate cntk-py35
$ pip install https://cntk.ai/PythonWheel/CPU-Only/cntk-2.6-cp35-cp35m-linux_x86_64.whl

Un test rapide que l’installation a réussi peut être effectué en interrogeant la version CNTK :

$ python -c "import cntk; print(cntk.__version__)"

Vous avez maintenant installé CNTK, vous pouvez commencer à développer / former / évaluer avec CNTK dans Python !

Poursuivre l’installation d’exemples et de didacticiels

Anaconda2

Si vous avez besoin d’un environnement racine Python 2.7, nous vous recommandons d’installer Anaconda2 4.3.0 Python pour Linux (64 bits). Nous partons du principe que les conditions préalables ci-dessus sont satisfaites . Si vous envisagez d’utiliser une version compatible GPU de CNTK, vous aurez besoin d’une carte graphique compatible CUDA 9 et de pilotes graphiques à jour installés sur votre système. En outre, nous partons du principe qu’Anaconda2 est installé et qu’il est répertorié avant toute autre installation Python dans votre chemin d’accès.

Anaconda2 : installation pip

Les étapes d’installation de CNTK sur Anaconda2 sont identiques à

Veillez simplement à sélectionner des fichiers wheel compatibles Python 2.7 dans la table d’URL en haut de cette page.

3. Installer à partir de builds Nocturnes

Si vous préférez installer ou mettre à niveau CNTK à partir de la dernière version nocturne plutôt qu’une version officielle, nous proposons CNTK packages nocturnes. Vous pouvez accéder aux packages CNTK à partir des dernières builds nocturnes ici.

Si vous utilisez une build nocturne, vous devez installer séparément certains packages tiers et ceux-ci dans votre variable d’environnement PATH (en plus de l’exigence OpenMPI répertoriée ici). Suivez la section ci-dessous pour obtenir des instructions. Par exemple, si vous installez la version GPU de CNTK, vous devez également installer les packages spécifiques au GPU répertoriés dans la section suivante.

Variables d’environnement et packages requis

FACULTATIF : packages GPU-Specific

Si vous envisagez d’utiliser CNTK avec prise en charge du GPU, suivez cette page pour installer et configurer l’environnement en conséquence.

Après avoir installé les packages GPU mentionnés ci-dessus, ajoutez-les à votre variable d’environnement PATH, par exemple.

MKL

La bibliothèque mathématique par défaut CNTK est la bibliothèque Intel Math Kernel Library (Intel MKL). Suivez cette page pour l’installer

  • Exportez son chemin vers la variable LD_LIBRARY_PATHd’environnement, par exemple :
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
FACULTATIF : OpenCV

CNTK 2.2 nécessite l’installation d’Open Source Vision par ordinateur (OpenCV), mais elle est facultative pour CNTK 2.3+. Suivez cette page pour l’installer.

Vous devez installer OpenCV pour CNTK 2.3+ si vous souhaitez utiliser les composants suivants :

  • Lecteur d’images CNTK
  • CNTK Enregistreur d’images : requis pour utiliser la fonctionnalité Image de TensorBoard.

Exportez la variable LD_LIBRARY_PATH d’environnement pointant vers le dossier de build OpenCV, par exemple

export LD_LIBRARY_PATH=/usr/local/opencv-3.1.0/lib:$LD_LIBRARY_PATH

Installation d’exemples et de didacticiels

Nous fournissons différents exemples et tutoriels avec CNTK. Après avoir installé CNTK vous pouvez installer les exemples/didacticiels et les notebooks Jupyter. Si vous avez installé CNTK dans un environnement Python, veillez à activer l’environnement avant d’exécuter cette commande :

$ python -m cntk.sample_installer

Vous allez télécharger les exemples/didacticiels, installer les packages Python requis et copier les exemples dans un répertoire nommé CNTK-Samples-VERSION (VERSIONremplacé par la version réelle CNTK) sous votre répertoire de travail actuel.

Vous pouvez maintenant suivre la description standard pour tester votre installation à partir de Python et exécuter les didacticiels ou les notebooks Jupyter.