Нейронная сеть на linux

Установка программного обеспечения нейронной сети Google TensorFlow для процессора и графического процессора в Ubuntu 16.04

TensorFlow — это программное обеспечение с открытым исходным кодом для выполнения задач машинного обучения. Google, его создатель, хотел предоставить мощный инструмент, который поможет разработчикам исследовать и создавать приложения на основе машинного обучения, поэтому они выпустили его как проект с открытым исходным кодом. TensorFlow — чрезвычайно мощный инструмент, специализирующийся на типе нейронной сети, называемой глубокой нейронной сетью.

Глубокие нейронные сети используются для выполнения сложных задач машинного обучения, таких как распознавание изображений, распознавание рукописного ввода, обработка естественного языка, чат-боты и многое другое. Эти нейронные сети обучены изучать задачи, которые они должны выполнять. Поскольку вычисления, необходимые для обучения, чрезвычайно велики, в большинстве случаев требуется поддержка графического процессора, и здесь на помощь приходит TensorFlow. Он поддерживает графический процессор, поэтому, установив программное обеспечение с поддержкой графического процессора, можно значительно сократить необходимое время обучения.

Это руководство поможет вам установить TensorFlow только для процессора, а также с поддержкой графического процессора. Итак, чтобы получить TensorFlow с поддержкой графического процессора, у вас должен быть графический процессор Nvidia с поддержкой CUDA. Установка CUDA и CuDNN (вычислительных библиотек Nvidia) немного сложна, и в этом руководстве представлен пошаговый подход к их установке, прежде чем приступить к установке самого TensorFlow.

Nvidia CUDA — это библиотека с ускорением на графическом процессоре, которая имеет точно настроенные реализации стандартных процедур, используемых в нейронных сетях. CuDNN — это библиотека настройки для графического процессора, которая автоматически обеспечивает настройку производительности графического процессора. TensorFlow использует их как для обучения, так и для запуска глубоких нейронных сетей, поэтому их необходимо установить до установки TensorFlow.

Очень важно отметить, что те, кто НЕ хочет устанавливать TensorFlow с поддержкой графического процессора, могут пропустить все следующие шаги и сразу перейти к разделу «Шаг 5: Установите TensorFlow только с поддержкой ЦП» этого руководства.

Введение в TensorFlow можно найти здесь.

1 Установите CUDA

Во-первых, загрузите CUDA для Ubuntu 16.04 отсюда. Этот файл довольно большой (2 ГБ), поэтому загрузка может занять некоторое время.

Загруженный файл является пакетом \.deb\. Чтобы установить его, выполните следующие команды:

sudo dpkg -i cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb

следующие команды устанавливают все пропущенные зависимости и, наконец, устанавливают набор инструментов cuda:

Если он успешно установлен, вы получите сообщение о том, что он успешно установлен. Если он уже установлен, вы получите результат, аналогичный изображенному ниже:

2 Установите библиотеку CuDNN

К сожалению, для загрузки CuDNN требуется немного работы. Nvidia не дает вам файлы для загрузки напрямую (однако это бесплатно). Следуйте инструкциям, чтобы получить файлы CuDNN.

1. Нажмите здесь, чтобы перейти на страницу регистрации Nvidia и создать учетную запись. На первой странице вас попросят ввести ваши личные данные, а на второй странице вас попросят ответить на несколько вопросов опроса. Ничего страшного, если вы не знаете ответов на все, вы можете просто выбрать вариант наугад.
2. Предыдущий шаг привел бы к тому, что Nvidia отправила бы вам ссылку для активации на ваш почтовый идентификатор. После активации перейдите по ссылке для скачивания CuDNN здесь.
3. После того как вы войдете на эту страницу, вам придется заполнить еще один небольшой опрос. Произвольно установите флажки, а затем нажмите кнопку «Перейти к загрузке» в нижней части опроса, а на следующей странице нажмите «Согласен с условиями использования».
4. Наконец, в раскрывающемся списке нажмите \Загрузить cuDNN v5.1 (20 января 2017 г.) для CUDA 8.0\, и в этом раскрывающемся списке вам нужно загрузить два файла, нажав на них:
   • Библиотека времени выполнения cuDNN v5.1 для Ubuntu 14.04 (Deb)
   • Библиотека разработчика cuDNN версии 5.1 для Ubuntu 14.04 (Deb)

Теперь, когда у вас наконец есть оба файла CuDNN, пришло время их установить!! Используйте следующие команды из папки, содержащей загруженные файлы:

sudo dpkg -i libcudnn5_5.1.5-1+cuda8.0_amd64.deb

sudo dpkg -i libcudnn5-dev_5.1.5-1+cuda8.0_amd64.deb

На следующем изображении показан результат выполнения этих команд:

3 Добавьте место установки в файл Bashrc

место установки следует добавить в файл bashrc, чтобы в следующий раз система знала, где найти установленный каталог для CUDA. используйте следующую команду, чтобы открыть файл bashrc:

как только файл откроется, добавьте следующие две строки в конец этого файла:

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64" export CUDA_HOME=/usr/local/cuda

4 Установите TensorFlow с поддержкой графического процессора

на этом шаге мы устанавливаем TensorFlow с поддержкой GPU. Запустите следующую команду, если вы используете Python 2.7:

pip install TensorFlow-gpu

если у вас есть python 3.x вместо вышеуказанной команды, используйте следующее:

pip3 install TensorFlow-gpu

Вы получите сообщение «успешно установлено», как только команда завершит выполнение. Теперь осталось только проверить, правильно ли он установился. Чтобы проверить это, откройте командную строку и введите следующие команды:

Вы должны получить результат, аналогичный изображенному ниже. На изображении видно, что библиотеки CUDA успешно открыты. Теперь, если были ошибки, будут появляться сообщения о том, что CUDA не открывается и даже модули не найдены. В этом случае вы, возможно, пропустили один из шагов, описанных выше, и повторение этого руководства будет правильным решением.

5 Установите TensorFlow только с поддержкой ЦП

установить TensorFlow только для процессора очень просто. Используйте следующие две команды:

если у вас есть python 3.x вместо вышеуказанной команды, используйте следующее:

На этом руководство по установке завершено, теперь вы можете приступить к созданию приложений для глубокого обучения. Если вы только начинаете, то можете посмотреть официальный туториал для начинающих.

Источник

Нейронная сеть FANN: как установить и настроить ее на Linux и Windows?

Нейронная сеть FANN — это довольно старая библиотека, которая работает и в наше время, так как делает свое дело на отлично. Но прежде чем ею воспользоваться, нужно ее установить.

Установка на Windows

1. Скачать актуальную версию библиотеки по этой ссылке.
2. Разархивир овать архив на диск C.
3. В месте, где разрабатываете проект, допустим , Visual Studio , в настройках нужно указать путь до файлов DLL/LIB от скачанной библиотеки .

Установка на Linux

Чтобы установить нейронную сеть FANN на Linux, нужно:

1. Открыть терминал и первой командой клонировать нужный репозиторий командой: «git clone https://github.com/libfann/fann.git».
2. Потом осуществить переход в корневой каталог командой: «cd ./fann».
3. Запустить Cmake командой: «cmake».
4. Потом , применив повышенные привилегии , установить библиотеку командой: «sudo make install».
5. И последняя команда: «sudo apt install libfann-dev».

Если все сделано правильно, то у вас в терминале должно появиться очень много текста, а значит , библиотека FANN была успешно установлена.

Заключение

Нейронная сеть FUNN может помочь вам при работе с искусственн ы м интеллектом своей простотой и легкостью. Те, кому трудно программировать, могут воспользоваться графическим интерфейсом этой библиотеки, который можно скачать по этому адресу .

Мы будем очень благодарны

если под понравившемся материалом Вы нажмёте одну из кнопок социальных сетей и поделитесь с друзьями.

Источник

Установка нейронной сети FANN в Linux

Устанавливать библиотеку Fast Artificial Neural Network будем на операционную систему Debian (один из дистрибутивов Linux). Произвести установку библиотеки можно двумя способами.

Начало установки

Для установки нам нужны следующие инструменты:

dpkg -l | grep make ii makedev 2.3.1-88 creates device files in /dev dpkg -l | grep gcc ii gcc-3.3-base 1:3.3.6-15 The GNU Compiler Collection (base package) ii gcc-4.1-base 4.1.2-25 The GNU Compiler Collection (base package) ii gcc-4.3-base 4.3.2-1.1 The GNU Compiler Collection (base package) ii libgcc1 1:4.3.2-1.1 GCC support library dpkg -l | grep php5-dev

Ну вот, как и следовало ожидать, у нас действительно ничего не проинсталлировано. До начала установки, желательно произвести обновление репозиториев. Для этого воспользуемся командой:

Теперь необходимо установить отсутствовавшие инструментарии:

apt-get install make apt-get install gcc apt-get install php5-dev

Далее необходимо получить информацию об архитектуре, чтобы знать какие пакеты библиотеки Fast Artificial Neural Network (хотя Debian не даст уставить пакеты с неподходящей архитектурой) устанавливать. Для этого используем команду:

По результату видим, что сервер имеет архитектуру:

Переходим в каталог /usr/local/src и скачиваем для архитектуры i686 следующие пакеты:

cd /usr/local/src wget http://ubuntu.mirror.cambrium.nl/ubuntu//pool/universe/libf/libfann1/ libfann1_1.2.0-1_i386.deb wget http://ubuntu.mirror.cambrium.nl/ubuntu//pool/universe/libf/libfann1/ libfann1-dev_1.2.0-1_i386.deb

Убедимся все ли скачалось:

ls -1 libfann1_1.2.0-1_i386.deb libfann1-dev_1.2.0-1_i386.deb

Теперь их необходимо установить в определенном порядке:

dpkg -i libfann1_1.2.0-1_i386.deb dpkg -i libfann1-dev_1.2.0-1_i386.deb

Установка расширения для PHP

Для того чтобы приступить установке расширения, его необходимо скачать:

wget http://pecl.php.net/get/fann

Далее его необходимо распаковать:

tar xvfz fann package.xml fann-0.1.1/config.m4 fann-0.1.1/fann.c fann-0.1.1/php_fann.h fann-0.1.1/demo.php fann-0.1.1/CREDITS fann-0.1.1/EXPERIMENTAL

Затем перейдем в каталог /usr/local/src/fann-0.1.1

Все, осталось только все скомпилировать. Для начала необходимо выполнить команду phpize. Которая подготовит окружение PHP-расширения.

phpize Configuring for: PHP Api Version: 20090626 Zend Module Api No: 20090626 Zend Extension Api No: 220090626

Далее необходимо запустить скрипт configure.

Все, сейчас осталось собрать PHP расширение программой make.

Если вы увидите нечто похожее на следующие строки:

fann.c:393: error: 'zif_fannOO___set' undeclared (first use in this function) fann.c:393: error: (Each undeclared identifier is reported only once fann.c:393: error: for each function it appears in.) fann.c:403: error: Б-?zif_fannOO___getБ-? undeclared (first use in this function)

то нужно в файле php_fann.h закомментировать строку 28 #define PHP_FANN_OO 1. И повторить вызов программы make.

make libtool: install: cp ./.libs/fann.so /usr/local/src/fann-0.1.1/modules/fann.so libtool: install: cp ./.libs/fann.lai /usr/local/src/fann-0.1.1/modules/fann.la libtool: finish: PATH="/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin: /sbin" ldconfig -n /usr/local/src/fann-0.1.1/modules ---------------------------------------------------------------------- Libraries have been installed in: /usr/local/src/fann-0.1.1/modules If you ever happen to want to link against installed libraries in a given directory, LIBDIR, you must either use libtool, and specify the full pathname of the library, or use the `-LLIBDIR' flag during linking and do at least one of the following: - add LIBDIR to the `LD_LIBRARY_PATH' environment variable during execution - add LIBDIR to the `LD_RUN_PATH' environment variable during linking - use the `-Wl,-rpath -Wl,LIBDIR' linker flag - have your system administrator add LIBDIR to `/etc/ld.so.conf' See any operating system documentation about shared libraries for more information, such as the ld(1) and ld.so(8) manual pages. ---------------------------------------------------------------------- Build complete. Don't forget to run 'make test'.

Все, расширение собрано и осталось его проинсталлировать:

make install Installing shared extensions: /usr/lib/php5/20090626/

Если вы добавили расширение в /etc/php5/cli/php.ini, то можно посмотреть подключен ли модуль следующей командой:

Я лично стараюсь синхронизировать настройки сразу везде:

Для того чтобы проверить работу библиотеки, требуется запустить модуль demo.php. Он находиться в каталоге /usr/local/src/fann-0.1.1.
Еще есть небольшой один нюанс. Возможно вы не сможете использовать сеть обученную в другой версии библиотеки Fast Artificial Neural Network, с этой библиотекой. Придется под Linux ее переобучать. Но ничего страшного в этом нет.

Источник