获取更多资讯,赶快关注上面的公众号吧!

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。

图1 Tensorflow软件需求

图2 Tensorflow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。

图 3 验证 CUDA 安装是否正确
Logo

腾讯云面向开发者汇聚海量精品云计算使用和开发经验,营造开放的云计算技术生态圈。

更多推荐