Tensorlayer深度强化学习之Tensorlayer安装
获取更多资讯,赶快关注上面的公众号吧!文章目录第一章 Tensorlayer 介绍第二章 Tensorlayer 安装2.1 安装 TensorFlow2.2 安装 TensorLayer2.3 GPU 支持2.3.1 安装 Microsoft Visual2.3.2 安装2.3.3 安装 cuDNN2.3.4 验证第一章 Tensorlayer 介绍 TensorLayer 是从 Go...
获取更多资讯,赶快关注上面的公众号吧!
文章目录
第一章 Tensorlayer 介绍
TensorLayer 是从 Google TensorFlow 扩展而来的深度学习(DL)和强化学习(RL)库。它提供了流行的 DL 和 RL 模块,可以轻松地对其进行自定义和组装,以解决现实世界中的机器学习问题。可以在这里(https://github.com/tensorlayer/tensorlayer)找到更多详细信息。
本人在使用 DL4J 解决强化学习问题时,发现其自带的有些案例都不能学到很好的效果,所以想通过别的平台来对比一下,所以就选择了 Tensorlayer,这里也主要研究其强化学习算法方面的知识和案例。
第二章 Tensorlayer 安装
我电脑中的 python 环境直接使用 Anaconda 的,Anaconda 版本为 Python 3.7 版本(3.7.4)。
Tensorlayer 的安装本身不难,但是一定要注意版本兼容问题,尤其是在安装支持 PGU 版本的 Tensorlayer 时需要更加小心。如图 1 所示,只有高于 2.1.0 版本的 Tensorflow 才支持 CUDA10.1,所以在选择 CUDA 时一定要注意安装的 Tensorflow 版本,我安装的是 2.0.0-beta1 版本(图 2),所以 CUDA 最高安装 10.0 版本。
2.1 安装 TensorFlow
使用清华镜像加快安装速度(-i https://pypi.tuna.tsinghua.edu.cn/simple)
pip install tensorflow-gpu==2.0.0-beta1 -i https://pypi.tuna.tsinghua.edu.cn/simple
2.2 安装 TensorLayer
pip install tensorlayer -i https://pypi.tuna.tsinghua.edu.cn/simple
2.3 GPU 支持
借助 NVIDIA 的支持,可以在 GPU 上训练完全连接的网络,这可能比在 CPU 上训练网络的速度快 10 到 20 倍。对于卷积网络,可能要快 50 倍。这需要具有 CUDA 和 cuDNN 支持的 NVIDIA GPU。
2.3.1 安装 Microsoft Visual
在安装 CUDA 之前,您应该预安装 Microsoft Visual Studio(VS)。最低版本要求是 VS2010。我们建议安装 VS2015 或 VS2013。CUDA7.5 支持 VS2010,VS2012 和 VS2013。CUDA8.0 还支持 VS2015。
2.3.2 安装
可从 NVIDIA 网站下载并安装 10.0 版本的 CUDA(https://developer.nvidia.com/cuda-toolkit-archive),安装时不建议修改默认安装目录。
2.3.3 安装 cuDNN
NVIDIA CUDA® 深度神经网络库(cuDNN)是用于深度神经网络的 GPU 加速库。可从 NVIDIA 网站下载并提取对应 CUDA 版本的 cuDNN(https://developer.nvidia.com/rdp/cudnn-download)。
提取 cuDNN 后,将获得三个文件夹(bin,lib,include)。然后,应将这些文件夹复制到 CUDA 安装中。(默认安装目录为 C:\ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.0)
2.3.4 验证
如果 CUDA 安装,在 cmd 中可以通过 nvcc -V 查看 CUDA 版本。
更多推荐
所有评论(0)