Configurar o Python do Linux

Pacotes obrigatórios

OpenMPI

CNTK requer que o OpenMPI 1.10.x seja instalado em seu sistema. No Ubuntu 16.04, instale-o da seguinte maneira:

sudo apt-get install openmpi-bin

Verifique se suas bibliotecas podem ser encontradas, por exemplo, configurando LD_LIBRARY_PATH.

Instalando CNTK para Python no Linux

Esta página orientará você pelo processo de instalação do Microsoft Cognitive Toolkit (CNTK) a ser usado do Python no Linux. Observe que o Ubuntu 14.04 tem suporte para CNTK 2.3.1 e inferior. Todas as versões 2.4+ oficialmente só dão suporte ao Ubuntu 16.04.

Se você estiver procurando qualquer outro tipo de suporte para configurar um ambiente de build CNTK ou instalar CNTK em seu sistema, você deverá ir aqui em vez disso.

Oferecemos três maneiras de instalar CNTK para Python:

1. Instalação de PyPI
2. Arquivos wheel (.whl) para cada versão
3. Builds noturnos

1. Instalar por meio do PyPI

A partir do CNTK versão 2.5, os usuários agora podem instalar CNTK via PyPI. Observe que somente o Ubuntu 16.04 tem suporte oficial.

Para instalar a versão somente da CPU do CNTK:

C:\> pip install cntk

Para instalar a versão da GPU do CNTK:

C:\> pip install cntk-gpu

Atualizar uma instalação de CNTK existente

Se você já tiver uma versão anterior (2.5+) de CNTK instalada, poderá instalar uma nova versão do CNTK em sua instalação existente.

Para atualizar a versão somente da CPU do CNTK:

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

Para atualizar a versão da GPU do CNTK:

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

Observação: recomendamos que você não tenha os pacotes e cntk-gpu os pacotes cntk instalados simultaneamente.

2. Instalar a partir de arquivos de roda

Dependendo do Python e CNTK versão (CPU ou GPU), fornecemos arquivos de roda (.whl) diferentes para instalar CNTK. Selecione a instalação correta na lista abaixo e substitua o nome e/ou o link durante a instalação. Para CNTK 2.5+, recomendamos que você simplesmente instale por meio do PyPI.

• Instalação fácil do pip para o Anaconda3 4.1.1
• Instalação fácil do pip para o Anaconda2 4.3.0

Anaconda3

Estamos testando CNTK com o Anaconda3 4.1.1 e as versões 2.7, 3.5 e Anaconda3 4.3.1 com Python versão 3.6. Se você não tiver uma instalação do Anaconda3 Python, instale o Anaconda3 4.1.1 Python para Linux (64 bits).

Abaixo, supomos que os pré-requisitos acima sejam atendidos. Se você planeja usar uma versão habilitada para GPU do CNTK, precisará de uma placa gráfica compatível com CUDA 9 e drivers gráficos atualizados instalados em seu sistema. Além disso, presumimos que o Anaconda esteja instalado e que ele esteja listado antes de qualquer outra instalação do Python em seu PATH.

instalação de pip sem um ambiente

Essa é a opção mais fácil e o único motivo para evitá-la é se você precisar de versões específicas de determinados pacotes. Se você tiver outros pacotes que exijam uma versão antiga do numpy, pule para esta seção.

Instalação de CNTK pela primeira vez

Se essa for a primeira vez que você instalar CNTK, execute

$ pip install <url>

onde <url> está a URL do arquivo de roda correspondente na tabela na parte superior desta página. Por exemplo, se você tiver o Python 3.5 executado

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

Continuar com um teste de instalação rápido

Atualizar uma instalação de CNTK existente

Se você já tiver uma versão anterior do CNTK instalada, poderá instalar uma nova versão do CNTK sobre sua instalação existente. É importante fornecer o e --no-deps as --upgrade opções.

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

onde <url> está a URL do arquivo de roda correspondente na tabela na parte superior desta página. Depois de concluir essa etapa de atualização, você pode começar a trabalhar com CNTK no Python ou instalar exemplos e tutoriais.

Teste de instalação rápida

Um teste rápido de que a instalação foi bem-sucedida pode ser feito consultando a versão CNTK:

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

Agora você instalou CNTK com êxito e pode começar a desenvolver/treinar/avaliar com CNTK no Python!

Continuar com a instalação de exemplos e tutoriais

instalação de pip em um ambiente

Abaixo, criaremos um novo ambiente python 3.5 dentro do Anaconda chamado cntk-py35 e instalaremos CNTK nesse ambiente. Se você quiser uma versão de CNTK diferente, versão do Python ou nome do ambiente, ajuste os parâmetros adequadamente.

Abra um shell de comando, crie o ambiente, torne-o ativo e instale-o 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

Um teste rápido de que a instalação foi bem-sucedida pode ser feito consultando a versão CNTK:

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

Agora você instalou CNTK com êxito, pode começar a desenvolver/treinar/avaliar com CNTK no Python!

Continuar com uma instalação de exemplos e tutoriais

Anaconda2

Se você precisar de um ambiente raiz do Python 2.7, recomendamos instalar o Anaconda2 4.3.0 Python para Linux (64 bits). Abaixo, supomos que os pré-requisitos acima sejam atendidos. Se você planeja usar uma versão habilitada para GPU do CNTK, precisará de uma placa gráfica compatível com CUDA 9 e drivers gráficos atualizados instalados em seu sistema. Além disso, presumimos que o Anaconda2 esteja instalado e que ele esteja listado antes de qualquer outra instalação do Python em seu PATH.

Anaconda2: instalação de pip

As etapas de instalação para CNTK no Anaconda2 são idênticas a

• Instalação do anaconda3 pela primeira vez CNTK
• Anaconda3: atualizar uma instalação de CNTK existente

Basta selecionar arquivos de roda compatíveis com Python 2.7 na tabela de URL na parte superior desta página.

3. Instalar a partir de builds noturnos

Se você preferir instalar ou atualizar CNTK do build noturno mais recente em vez de uma versão oficial, oferecemos CNTK pacotes noturnos. Você pode acessar os pacotes de CNTK dos últimos builds noturnos aqui.

Se você estiver usando um build noturno, precisará instalar separadamente alguns pacotes de terceiros e eles na variável de ambiente PATH (além do requisito OpenMPI listado aqui). Siga a seção abaixo para obter instruções. Por exemplo, se você estiver instalando a versão de GPU do CNTK, também precisará instalar os pacotes específicos da GPU listados na seção a seguir.

Variáveis de ambiente e pacotes necessários

OPCIONAL: pacotes de GPU-Specific

Se você pretende usar CNTK com suporte para GPU, siga esta página para instalar e configurar o ambiente adequadamente.

Depois de instalar os pacotes de GPU mencionados acima, adicione-os à variável de ambiente PATH, por exemplo,

MKL

O padrão CNTK biblioteca matemática é a Biblioteca intel math kernel (Intel MKL). Siga esta página para instalá-la

• Exportar seu caminho para a variável LD_LIBRARY_PATHde ambiente, por exemplo:

export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH

OPCIONAL: OpenCV

CNTK 2.2 requer que o OpenCV (Pesquisa Visual Computacional de Software Livre) seja instalado, mas é opcional para CNTK 2.3+. Siga esta página para instalá-la.

Você precisará instalar o OpenCV para CNTK 2.3+ se quiser usar os seguintes componentes:

• leitor de imagem CNTK
• CNTK Gravador de Imagens – necessário para usar o recurso Imagem do TensorBoard.

Exportar a variável LD_LIBRARY_PATH de ambiente apontando para a pasta de build OpenCV, por exemplo,

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

Instalando exemplos e tutoriais

Fornecemos vários exemplos e tutoriais com CNTK. Depois de instalar CNTK você poderá instalar os exemplos/tutoriais e os notebooks Jupyter. Se você instalou CNTK em um ambiente python, certifique-se de ter ativado o ambiente antes de executar este comando:

$ python -m cntk.sample_installer

Isso baixará os exemplos/tutoriais, instalará os pacotes necessários do Python e copiará os exemplos em um diretório nomeado CNTK-Samples-VERSION (VERSION é substituído pela versão CNTK real) abaixo do diretório de trabalho atual.

Agora você pode seguir a descrição padrão para testar sua instalação do Python e executar os tutoriais ou notebooks Jupyter.