AI应用开发实战系列之一： 从零开始配置环境

AI应用开发实战 - 从零开始配置环境

与本篇配套的视频教程请访问：https://www.bilibili.com/video/av24421492/
<https://www.bilibili.com/video/av24421492/>

零、前提条件

* 一台能联网的电脑，使用win10 64位操作系统
* 请确保鼠标、键盘、显示器都是好的
建议和反馈，请发送到
https://github.com/Microsoft/vs-tools-for-ai/issues
<https://github.com/Microsoft/vs-tools-for-ai/issues>

联系我们
OpenmindChina@microsoft.com

一、Windows下开发环境搭建

本教材主要参考了如下资源：

官方github教程：https://github.com/microsoft/vs-tools-for-ai
<https://github.com/microsoft/vs-tools-for-ai>

斗鱼tv教程：https://v.douyu.com/show/V6Aw87OBmXZvYGkg
<https://v.douyu.com/show/V6Aw87OBmXZvYGkg>

本教程分为五步：
- 安装VS：难度一星
- 安装python：难度一星
- 安装CUDA和cuDNN：这是本教程最繁琐的一步，这一步直接拉高本教程的平均难度。
- 配置机器学习环境：这是本教程最简单的一步，为了方便用户配置环境，微软提供了一键安装工具！没错，一键安装工具！业界良心阿！
- 安装VS Tools For AI插件：难度一星

note：本教程对各个软件需要使用的版本都做出了明确说明，请安装指定的版本

请放轻松，接下来的傻瓜教程不需要动脑子，你甚至可以打开手机边刷微博边配置环境

0.安装Git

访问 https://git-scm.com/download/win <https://git-scm.com/download/win>

选择64-bit Git for Windows Setup下载

双击.exe开始安装

选择好自己的安装路径，一路next，直到Adjusting your PATH environment

请选择Use Git from the Windows Command Prompt

这一步就已经将Git添加到环境变量中了，然后就可以直接在命令行里使用Git啦。



然后继续next，直到安装结束

1.安装VS

访问 https://www.visualstudio.com/zh-hans/products/
<https://www.visualstudio.com/zh-hans/products/>
在产品中点击Visual Studio 2017



选择Community版本下载



打开Visual Studio Installer进行如下的配置：

仅选择.NET桌面开发与Python开发即可

仅选择.NET桌面开发与Python开发即可

仅选择.NET桌面开发与Python开发即可

note：请自行决定Visual Studio的安装路径



等待数分钟，时长视网络状况而定，这个时候你可以去泡一杯茶，或者听一首歌，如果你的网络不是很好，那你可以去看集美剧或者别的什么，等待安装结束。

note：坐 和 放宽

2.安装python

访问 https://www.python.org/downloads/ <https://www.python.org/downloads/>

选择版本3.5.4或3.6.5 ，Windows x86-64 executable installer下载。




打开安装包，在安装前，请选择Add Python 3.X to PATH，随后按照默认选项安装即可。

点选后，程序将自动将Python加入环境变量，这样避免在安装后手动配置环境变量。


安装结束后，请进行如下操作验证python是否安装成功
1.同时按下 win 与 R，在弹出的输入框里输入cmd 2.在弹出的窗口中输入 python 3.输入exit()退出 4.输入python -m pip
install -U pip以更新pip到最新版本
note: pip是一个用来管理python包的工具





自此，你已经完成了python的安装，在朝着AI技术大牛的路上又前进了一步！

note：请伸出大拇指给自己一个赞?

3.安装CUDA与cuDNN

如果你的电脑装有Nvidia的显卡，请进行这一步配置，否则请跳过。

首先通过操作系统更新，升级显卡驱动到最新版。

3.1 安装CUDA

打开 https://developer.nvidia.com/cuda-toolkit-archive
<https://developer.nvidia.com/cuda-toolkit-archive>

选择CUDA 9.0 进行安装。



点击后，选择如下的配置：

note：请选择local版本下载，一旦失败还可以重新再来；如果使用network版本，一旦失败，需要重新下载1.4GB的安装包



打开安装包,进行安装，请自行配置CUDA的安装路径，并手动将CUDA库添加至PATH环境变量中。

note：在Windows中，CUDA的默认安装路径是:

“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin”



3.2 安装cuDNN

note：打起精神！这是操作最复杂的一步！

访问 https://developer.nvidia.com/rdp/cudnn-archive
<https://developer.nvidia.com/rdp/cudnn-archive> 找到我们需要的cuDNN版本：

cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0

cuDNN v7.0.5 Library for Windows 10



点击链接，等待着你的并不是文件下载，而是：



↑这就是本教程里最麻烦的一步：在下载cuDNN之前需要注册Nvidia会员并验证邮箱。不过还好可以微信登录，省掉一些步骤。

一番令人窒息的操作之后，我们终于得到了cuDNN，我们把文件解压，取出这个路径的cudnn64_7.dll,复制到CUDA的bin目录下即可。默认的地址是：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin

note：到这里，我们已经完成了本教程最复杂的一步了

4.安装机器学习的软件及依赖

这一步虽然是整个教程最简单的一步，甚至比把大象关进冰箱更简单。

你只需要：
win + R ，打开cmd，在命令行中输入： cd c:\ //选择一个你喜欢的路径 md AI //在这里创建一个AI目录 cd AI //打开这个目录
//克隆仓库到本地 git clone https://github.com/Microsoft/samples-for-ai.git cd samples-
for-ai //打开这个目录 cd installer //还有这个目录 python.exe install.py //开始安装
然后刷会微博，等待安装结束即可。

成功之后是这样的：



或者你觉得自己不怕麻烦，那么请访问：
https://github.com/Microsoft/vs-tools-for-ai/blob/master/docs/zh-hans/docs/prepare-localmachine.md

<https://github.com/Microsoft/vs-tools-for-ai/blob/master/docs/zh-hans/docs/prepare-localmachine.md>

根据教程按步安装，相信我，你会回来选择一键安装的。

note：就差一步啦！成功就在眼前！

5.安装tools for ai插件

打开Visual Studio，选择工具->扩展和更新->选择“联机”->搜索“AI”
就像这样：



等待下载完成之后，关闭Visual Studio，没错，关闭Visual Studio，系统将自动安装AI插件。

安装完毕后再次打开Visual Studio，你将在界面上看到这样的内容：



那么恭喜你！安装成功！

note：千里之行始于足下，恭喜你成功地完成了环境的搭建，接下来就已经可以使用Visual Studio Tools For AI进行开发了?

二、离线模型的训练

6.14日更新
GitHub上的samples-for-ai进行了一定的更新，目前MNIST文件夹下只有一个mnist.py文件，

下述步骤中，请使用最新的mnist.py文件

在进行完环境搭建后，我们马上就可以开始训练第一个模型了，我们选择tensorflow下的MNIST作为第一个例子。

MNIST的介绍请参考这个链接
https://www.tensorflow.org/versions/r1.1/get_started/mnist/beginners
<https://www.tensorflow.org/versions/r1.1/get_started/mnist/beginners>

首先我们打开这个路径：C:\AI\samples-for-ai\examples\tensorflow
，如果你在别的目录下克隆了目录，那么请打开你对应的目录。然后双击TensorflowExamples.sln
就像这样：



note：如果存在多个Python环境，你需要为Visual Studio的AI项目设置默认的Python环境。

例如，手动安装的Python 3.5与Visual Studio 2017 Python开发负载自动安装了64位的Python 3.6

如果要为Visual Studio设置全局的默认Python环境，请打开工具->Python -> Python环境
。然后，选择自己需要的Python版本，点击将此作为新项目的默认环境。



然后在解决方案资源管理器中，选择MNIST，单击右键，选择设为启动项目



然后选择MNIST中的mnist.py，单击右键，选择在不调试的情况下启动



然后程序就开始运行了，就像这样：



等待一段时间之后，模型就训练好了！这个时候打开MNIST所在的文件夹，MNIST下是否多了三个文件夹？分别是input和output还有export
，这三个文件夹分别存储了训练模型的输入文件、训练时的检查点文件，还有最终导出的模型文件

检查点文件：



模型文件：



可能存在的问题

GPU ran out of memory

方法一：
修改convolutional.py第45行或第47行的BATCH_SIZE或EVAL_BATCH_SIZE
为一个更小的数字。具体修改哪一个，需要视你在程序运行的哪个部分得到了ERROR决定。

方法二：
不使用GPU训练，在项目MNIST上单击右键，选择属性(R)



修改环境变量为CUDA_VISIBLE_DEVICES=" "

• « 上一篇：Proxyee-down的下载与安装教程
• » 下一篇：《大数据实时分析领域的黑马ClickHouse》二次解读