iT邦幫忙

2021 iThome 鐵人賽

DAY 7
1
AI & Data

手寫中文字之影像辨識系列 第 7

【第7天】訓練模型-前置作業

  • 分享至 

  • xImage
  •  

現況

  1. 在開始訓練模型之前,先和大家分享如何在Windows 10安裝CUDA、cuDNN。藉由tensorflow-GPU訓練模型,降低訓練模型的時間。以下分成:硬體、韌體與軟體,逐一介紹。

  2. 硬體:

    2.1 處理器:Intel® Core™ i7-10700K

    2.2 顯示卡 :RTX2060super / 顯存8G

    2.3 記憶體:48G

  3. 韌體:

    3.1 作業系統:Windows 10 / 64位元

    3.2 顯示卡驅動程式:472.12

  4. 軟體:

    4.1 Python:3.7.8

    4.2 Pycharm:PyCharm Community Edition 2019.2.3


工具/套件

  1. tensorflow:2.2.0
  2. keras:2.3.1
  3. CUDA:10.1
  4. cuDNN:7.6

內容

  1. 更新顯卡驅動程式:

    1.1 檢查顯示卡驅動程式版本

    • 開啟NVDIA面板

    • 查詢版本

    1.2 下載最新版本

    1.3 安裝顯示卡驅動

    • 系統檢查:點選NVDIA圖形驅動程式。

    • 授權協議:點選自訂(進階選項)。

    • 選項:可以只勾選安裝「圖形驅動程式 」。

    • 安裝

  2. tensorflow與keras:

    2.1 版本適配:進行深度學習時,可能因tensorflow與keras版本適配問題,頻繁出現error。我們參考此文章,幾經嘗試後選定tensorflow(2.2.0)、keras(2.3.1),並成功啟動GPU加速。

    2.2 tensorflow:在Terminal輸入pip install tensorflow-gpu==2.2.0

    2.3 keras:在Terminal輸入pip install keras==2.3.1

  3. CUDA與cuDNN

    3.1 請點選此處查詢CUDA與CuDNN適配版本。(如下圖)

    3.2 下載CUDA:官方載點

    • 載點

    • 過程

    3.3 安裝CUDA

    • 授權協議:僅點選安裝CUDA即可。

    • 安裝路徑:建議以預設路徑安裝即可。

    • 安裝

    3.4 下載cuDNN:官方載點

    • 載點

    • 驗證:點選後,需要進行信箱驗證,並填寫一些使用者問券,才能下載。

    • 完成驗證後下載

    3.5 安裝CuDNN

    • 將cuDNN解壓縮後,內含3個資料夾

    • 將3個資料夾移動到目標路徑並覆蓋

  4. 測試是否可以啟用tensorflow-gpu

    4.1 程式碼

    import tensorflow as tf
    print(tf.test.is_gpu_available())
    

    4.2 結果:成功啟用,如下圖。

    (偵測到顯卡資訊,並輸出True)


小結

下一章,會和大家簡單地介紹CNN(卷積神經網路)與其不同領域的應用,及我們選擇模型訓練方式的想法。

讓我們繼續看下去...


參考資料

  1. NVIDIA CUDA Toolkit Release Notes
  2. Build from source on Windows

上一篇
【第6天】資料前處理-資料擴增
下一篇
【第8天】訓練模型-CNN與訓練方向
系列文
手寫中文字之影像辨識31
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言