全面支持三大主流環境 百度PaddlePaddle新增Windows環境支持

引言

PaddlePaddle作為國內首個深度學習框架,最近發佈了更加強大的Fluid1.2版本, 增加了對Windows環境的支持,全面支持了Linux、Mac、 Windows三大環境。 PaddlePaddle在功能完備的基礎上,也儘量秉承易學易用的特點,在Windows的安裝方面,體現了一鍵式的特點,大部分情況下,只需要一條簡單的命令就可以完成安裝。 用戶在使用的過程中可能會面對安裝和編譯方面的問題,下面就從這兩個方面來分別說明。

<code>下載安裝命令 pip install -f

https:

/

/paddlepaddle.org.cn/pip

/oschina/cpu

paddlepaddle pip install -f

https:

/

/paddlepaddle.org.cn/pip

/oschina/gpu

paddlepaddle-gpu/<code>

安裝

在深度學習框架上, Python語言由於本身的易用性和豐富的類庫,被眾多深度學習框架作為了應用方面的首選,PaddlePaddle也將Python語言作為了自己的應用語言,如下介紹在Python下怎麼安裝PaddlePaddle。

1.系統檢查

PaddlePaddle目前支持Windows7,8,10系列的專業和企業版本,且只支持64位的操作系統。 PaddlePaddle目前支持的Python版本覆蓋了2.7,3.5,3.6,3.7版本,基本上包含了目前主流使用的所有python版本,可以通過如下方式檢查操作系統和python版本情況

>>>import platform>>>platform.architecture()('64bit','WindowsPE') # 64 bits on windows 64 bits>>> platform.version()'10.0.17134' # windows 10>>> platform.python_version()'2.7.15' # python 2.7

如筆者自己的系統就顯示瞭如上信息。

2.拉取安裝包的方式

PaddlePaddle可以選擇通過pip命令在線或離線安裝,下面展示一下如何離線下載安裝包。

PaddlePaddle的安裝包已經放到了python官方支持的發佈渠道上,打開https://pypi.org/ 網站,按圖中所示輸入Paddlepaddle,

用戶將會得到當前所有的PaddlePaddle安裝包,根據系統和Python版本號選擇對應版本即可

3.安裝過程

如果是在線安裝,用戶直接輸入 pip install paddlepaddle即可正常安裝。 如果是離線安裝,用戶輸入 pip install paddlepaddle_xxx.whl 包也可以完成安裝。

通常情況下pip命令伴隨Python安裝包一起已經得到安裝,如果用戶發現自己沒有安裝pip,可以到
https://pip.pypa.io/en/stable/installing/ ,按照提示安裝pip即可。

如果出現錯誤,用戶可以檢查

請使用管理員權限賬戶操作(比如Administrator賬號),並確保使用64位Python(查看系統檢查章節)

通過 控制面板 – 賬號 – 管理用戶賬號 即可看到如上界面。

4.安裝完成檢查

安裝完成後,用戶可以打開Python命令,輸入如下語句,

>>> import paddle.fluid>>> print(paddle.__version__)1.2.0 # 當前paddle版本

如果出現錯誤,用戶可以檢查PaddlePaddle依賴python的動態庫,如果當前Python沒有選擇安裝到環境變量,則可能出現找不到依賴庫的情況,用戶可以在如下圖中加入環境路徑,再次啟動即可。

編譯

不想自己做編譯的用戶可以直接跳過此節。

1.前期準備

1)環境檢查:當前Paddle的編譯只支持window10 專業/企業版本。

2)工具準備

2.1 請安裝Visual Studio 2015 update3版本。

2.2請到
https://cmake.org/download/ 下載cmake 3.0及以上版本 安裝

2.3請到
https://git-scm.com/download/win 下載git安裝

2.4請到 https://www.python.org/ 下載python安裝,請注意當前支持版本為2.7,3.5,3.6,3.7

*請到
https://pip.pypa.io/en/stable/installing/ 下載pip安裝

*請運行 pip install protobuf numpy wheel

2. 編譯過程

PaddlePaddle的編譯過程需要保證網絡可用,因為部分依賴包需要通過網絡環境獲取。 PaddlePaddle編譯需要訪問 https://github.com/

1)用戶需要到

https://github.com/paddlepaddle/paddle 下載源代碼,選擇 release 1.2 分支,下載zip包或者 通過命令

git clone https://github.com/paddlepaddle/paddle cd paddle git checkout release /1.2

2)在源代碼目錄下,建一個build子目錄並進入

3)運行

cmake .. -G "Visual Studio 14 2015 Win64" -DPYTHON_INCLUDE_DIR=${PYTHON_INCLUDE_DIRS} -DPYTHON_LIBRARY=${PYTHON_LIBRARY} -DPYTHON_EXECUTABLE=${PYTHON_EXECUTABLE} -DWITH_FLUID_ONLY=ON -DWITH_GPU=OFF -DWITH_TESTING=OFF -DCMAKE_BUILD_TYPE=Release

註釋:

a.其中PYTHONINCLUDEDIRS指的是python的include目錄,比如 c:\Python35\include\ b.其中PYTHONLIBRARY指定是pythonxx.lib所在的目錄,比如c:\Python35\libs\ c.其中PYTHONEXECUTABLE指的是python.exe,比如c:\Python35\ python.exe d.其中DWITHFLUIDONLY=ON指的是paddlepaddle在windows下只支持fluid版本 e.其中WITHGPU=OFF指的是paddlepaddle當前只支持CPU f.其中WITHTESTING=OFF指的是關閉測試 g.其中CMAKEBUILDTYPE=Release指的是隻支持Release編譯 h.其中-G "Visual Studio 14 2015 Win64"指的是隻支持VS2016的64bit編譯

4) 目錄下會生成paddle.sln文件,用Visual Studio 2015打開,選擇64位Release模式,開始編譯。

編譯完成檢查

1. 檢查方法

如果編譯過程不出錯則表明編譯成功,用戶可以到 build\python\dist 目錄下查找對應的生成 whl 文件。

2. 常見編譯問題

【問】為什麼我的paddle.sln文件沒有生成? 【答】請按編譯過程要求檢查是安裝了指定的軟件和版本

【問】編譯過程中為什麼出現ssl一類的網絡錯誤? 【答】編譯過程需要訪問網絡,請檢查系統代理和網絡連通情況。

【問】whl文件為什麼沒有生成? 【答】請按編譯過程要求檢查python的變量是否正確設置。

訓練模型檢測

1.導入網絡

PaddlePaddle在使用方面為了貼合用戶需求,儘量做到了將複雜的概念簡化,深度學習用戶將網絡結構會理解為多個層結構的疊加,相對應的,PaddlePaddle也對應的有了層的封裝。 在定義網絡方面,用戶可以統一使用fluid.layers裡面定義好的結構,來方面的構建一個神經網絡結構,比如

# Include libraries.import paddleimport paddle.fluid as fluidimport numpy# Configure the neural network.def net(x, y): y_predict = fluid.layers.fc(input=x, size=1, act=None) cost = fluid.layers.square_error_cost(input=y_predict, label=y) avg_cost = fluid.layers.mean(cost) return y_predict, avg_cost

2. 定義訓練和預測函數

訓練和預測方面,可以統一成為輸入,計算和輸出三個大的方面,用戶可以使用fluid.layers.data來定義輸入數據,對應在具體在執行層面,executor的run函數中,使用feed來接受輸入數據。

下面可以定義預測函數和訓練函數,示例

# Define train function.def train(save_dirname): x = fluid.layers.data(name='x', shape=[13], dtype='float32') y = fluid.layers.data(name='y', shape=[1], dtype='float32') y_predict, avg_cost = net(x, y) sgd_optimizer = fluid.optimizer.SGD(learning_rate=0.001) sgd_optimizer.minimize(avg_cost) train_reader = paddle.batch( paddle.reader.shuffle(paddle.dataset.uci_housing.train(), buf_size=500), batch_size=20) place = fluid.CPUPlace() exe = fluid.Executor(place) def train_loop(main_program): feeder = fluid.DataFeeder(place=place, feed_list=[x, y]) exe.run(fluid.default_startup_program()) PASS_NUM = 1000 for pass_id in range(PASS_NUM): total_loss_pass = 0 for data in train_reader(): avg_loss_value, = exe.run( main_program, feed=feeder.feed(data), fetch_list=[avg_cost]) total_loss_pass += avg_loss_value if avg_loss_value < 5.0: if save_dirname is not None: fluid.io.save_inference_model( save_dirname, ['x'], [y_predict], exe) return print("Pass %d, total avg cost = %f" % (pass_id, total_loss_pass)) train_loop(fluid.default_main_program())# Infer by using provided test data.def infer(save_dirname=None): place = fluid.CPUPlace() exe = fluid.Executor(place) inference_scope = fluid.core.Scope() with fluid.scope_guard(inference_scope): [inference_program, feed_target_names, fetch_targets] = ( fluid.io.load_inference_model(save_dirname, exe)) test_reader = paddle.batch(paddle.dataset.uci_housing.test(), batch_size=20) test_data = test_reader().next() test_feat = numpy.array(map(lambda x: x[0], test_data)).astype("float32") test_label = numpy.array(map(lambda x: x[1], test_data)).astype("float32") results = exe.run(inference_program, feed={feed_target_names[0]: numpy.array(test_feat)}, fetch_list=fetch_targets) print("infer results: ", results[0]) print("ground truth: ", test_label)

3. 執行訓練和預測

接著可以簡單調用上面定義函數,訓練過程會產生輸出,用戶可以自定義輸出目錄,在後面的預測過程中,加載訓練輸出的模型

# Run train and infer.if __name__ == "__main__": save_dirname = "fit_a_line.inference.model" train(save_dirname) infer(save_dirname)

程序將輸出預測結果,比如在筆者的環境中輸出為(僅作參考,用戶環境可能有出入) 非常歡迎您為PaddlePaddle貢獻文檔,我們的文檔在PaddlePaddle/FluidDoc (
https://github.com/PaddlePaddle/FluidDoc) 中統一管理,如您對PaddlePaddle有任何問題,也非常歡迎您在此Repo提交Issue,您的反饋是我們進步的動力!

<code>下載安裝命令 pip install -f

https:

/

/paddlepaddle.org.cn/pip

/oschina/cpu

paddlepaddle pip install -f

https:

/

/paddlepaddle.org.cn/pip

/oschina/gpu

paddlepaddle-gpu/<code>

原文:
https://my.oschina.net/u/4067628/blog/3210340

作者:飛槳PaddlePaddle