精华内容
下载资源
问答
  • 深度学习(二)pytorch,theano+lasagne安装 1、pytorch安装 在官网中寻找命令安装pytorch官网链接:https://pytorch.org/ 我使用pip安装顺利点(也可以用conda 安装),命令为: pip install ...

    深度学习(二)pytorch,theano+lasagne安装

    1、pytorch安装

    在官网中寻找命令安装pytorch官网链接:https://pytorch.org/
    我使用pip安装顺利点(也可以用conda 安装),命令为:

    pip install https://download.pytorch.org/whl/cpu/torch-1.1.0-cp27-cp27mu-linux_x86_64.whl
    pip install https://download.pytorch.org/whl/cpu/torchvision-0.3.0-cp27-cp27mu-linux_x86_64.whl 
    

    最后,在python中测试,不出错证明安装成功:

    import torch
    import torchvision
    

    2、theano+lasagne安装

    (1)theano
    先用conda安装必要的依赖包:

    conda install numpy scipy mkl nose sphinx pydot-ng
    

    安装之后安装theano:

    conda install theano
    

    (2) lasagne安装
    从PyPI安装Lasagne 0.1发行版,请运行以下命令:

    pip install Lasagne==0.1
    
    展开全文
  • 1、Lasagne简单介绍  lasagne意味千层饼,是基于theano之上主要用于建立和训练神经网络的深度学习库。Lasagne is a lightweight library to build and train neural networks in Theano.  网站链接:...

    1、Lasagne简单介绍

           lasagne意味千层饼,是基于theano之上主要用于建立和训练神经网络的深度学习库。Lasagne is a lightweight library to build and train neural networks in Theano. 

    网站链接:https://github.com/Lasagne/Lasagne、     lasagne官网教程

    主要特点有:

    (1)支持所有的前馈神经网络的模型,包括CNNs、RNN+LSTM以及任何扩展的卷积神经网络。

          Supports feed-forward networks such as Convolutional Neural Networks (CNNs), recurrent networks including Long Short-Term Memory (LSTM), and any combination thereof 

      (2)支持多输入和多输出的网络框架、包括额外附加的分类器

          Allows architectures of multiple inputs and multiple outputs, including auxiliary classifiers 

        (3)拥有多种训练的梯度优化算法。Nesterov momentum, RMSprop and ADAM 

    (4) 继承theano的优点,它拥有theano的所有常见的损失函数以及无需自行计算梯度。

          Freely definable cost function and no need to derive gradients due to Theano's symbolic differentiation

    (5)通过设置脚本的配置文件,支持CPUs和GPUs之间运行的转换。

         Transparent support of CPUs and GPUs due to Theano's expression compiler

    设计的目的:

     (1)简易性:易于使用和扩展的机器学习库Be easy to use, easy to understand and easy to extend, to facilitate use in research 

     (2)透明性: Do not hide Theano behind abstractions, directly process and return Theano expressions or Python / numpy data types 

    (3)模块化: Allow all parts (layers, regularizers, optimizers, ...) to be used independently of Lasagne(4)实用性(Pragmatism): Make common use cases easy, do not overrate uncommon cases 

    (5)限制Restraint: Do not obstruct(阻塞) users with features they decide not to use 

    (6)集中性: "Do one thing and do it well"

    2、lasagne的安装(ubuntu14.04下)

    (1)预备知识 prerequisites:theano库 theano installation,注意:theano安装的版本取决于lasagne安装的版本。

    (2)Stable Lasagne release:lasagne 0.1版本需要匹配最近的theano版本,可执行以下代码来获取相应的版本。

    sudo pip install -r https://raw.githubusercontent.com/Lasagne/Lasagne/v0.1/requirements.txt

             为了简洁方面,也可以同时安装theano和lasagne

    sudo pip install --upgrade https://github.com/Theano/Theano/archive/master.zip 
    sudo pip install --upgrade https://github.com/Lasagne/Lasagne/archive/master.zip

     

    developed install:也可以直接克隆lasagne库

    git clone https://github.com/Lasagne/Lasagne.git

    至此,给出lasagne大体的框架:(需要自己加载训练数据才能运行出结果)

    import lasagne
    import theano
    import theano.tensor as T
    
    # create Theano variables for input and target minibatch
    input_var = T.tensor4('X')
    target_var = T.ivector('y')
    
    # create a small convolutional neural network
    from lasagne.nonlinearities import leaky_rectify, softmax
    network = lasagne.layers.InputLayer((None, 3, 32, 32), input_var)
    network = lasagne.layers.Conv2DLayer(network, 64, (3, 3),
                                         nonlinearity=leaky_rectify)
    network = lasagne.layers.Conv2DLayer(network, 32, (3, 3),
                                         nonlinearity=leaky_rectify)
    network = lasagne.layers.Pool2DLayer(network, (3, 3), stride=2, mode='max')
    network = lasagne.layers.DenseLayer(lasagne.layers.dropout(network, 0.5),
                                        128, nonlinearity=leaky_rectify,
                                        W=lasagne.init.Orthogonal())
    
    network = lasagne.layers.DenseLayer(lasagne.layers.dropout(network, 0.5),
                                        10, nonlinearity=softmax)
    
    # create loss function
    prediction = lasagne.layers.get_output(network)
    loss = lasagne.objectives.categorical_crossentropy(prediction, target_var)
    loss = loss.mean() + 1e-4 * lasagne.regularization.regularize_network_params(
            network, lasagne.regularization.l2)
    # create parameter update expressions
    params = lasagne.layers.get_all_params(network, trainable=True)
    updates = lasagne.updates.nesterov_momentum(loss, params, learning_rate=0.01,
                                                momentum=0.9)
    # compile training function that updates parameters and returns training loss
    train_fn = theano.function([input_var, target_var], loss, updates=updates)
    
    # train network (assuming you've got some training data in numpy arrays)
    for epoch in range(100):
        loss = 0
        for input_batch, target_batch in training_data:
    loss += train_fn(input_batch, target_batch)
        print("Epoch %d: Loss %g" % (epoch + 1, loss / len(training_data)))
    
    # use trained network for predictions
    test_prediction = lasagne.layers.get_output(network, deterministic=True)
    predict_fn = theano.function([input_var], T.argmax(test_prediction, axis=1))
    print("Predicted class for first test input: %r" % predict_fn(test_data[0]))

    3、配置GPU

    GPU的配置需要cuda支持的英伟达显卡,(  NVIDIA GPU with CUDA),查看电脑配置的显卡型号,下载对应的所支持的cuda版本

    https://developer.nvidia.com/cuda-downloads放在主目录下。

    (1)按照cuda官网教程完成安装。

    (2)添加环境变量

    执行sudo gedit  ~/.bashrc 打开.bashrc文件,在末尾写入以下几行:   

    1. export CUDA_HOME=/usr/local/cuda-***/bin   #****代表cuda对应的版本,cuda-7.0或cuda-7.5、cuda8.0等
    2. export LD_LIBRARY_PATH=/usr/local/cuda-7.0/lib64  #如果是32位,去掉末尾的64

    执行 sudo source ~/.bashrc    #使环境变量生效

    检查环境变量:echo $PATH

    在home目录下配置.theanorc文件

    [global]
    floatX = float32
    device = gpu

    如果cuda配置成功,终端执行python,在python下,import theano 则会显示print下的结果

    THEANO_FLAGS=device=gpu python -c "import theano; print(theano.sandbox.cuda.device_properties(0))"
    

     

    展开全文
  • 一、Win7 64 安装theano:081290XIONGQINGa 081290xiongqingA 1、 下载Anaconda1.9.2,自带MniGw; C:\Anaconda; C:\Anaconda\Scripts;C :\Anaconda\MinGW\bin; C:\Anaconda\MinGW\x86_64-w64-mingw32\bin;加入...

    一、Win7 64 安装theano:
    1、 下载Anaconda1.9.2,自带MniGw; 

    C:\Anaconda;  
    C:\Anaconda\Scripts;C  
    :\Anaconda\MinGW\bin;  
    C:\Anaconda\MinGW\x86_64-w64-mingw32\bin; 
    加入到 PATH,安装 git, 并将 C:\git\bin;加入到 PATH


     
    

    2、 Github下载theano然后解压,讲theano文件夹里面的theano文件夹拷贝到

    C:\Anaconda\Lib\site-packages


    3、 下载安装CUDA,版本随意

    C:\Program Files (x86)\NVIDIA Corporation\PhysX\Common;
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.0\bin;
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.0\libnvvp;
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.0\lib\x64;
    C:\Program Files (x86)\Microsoft SDKs\Windows\v7.0A\Include;

    加入到path

    测试Cuda安装成功与否,使用

    nvcc –V

    cuda 版本

     

    采用VS2010,将C:\Program Files (x86)\Microsoft SDKs\Windows\v7.0A\Include;加入到PATH,则最终PATH有:

    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.0\bin;
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.0\libnvvp;
    c:\Program Files (x86)\NVIDIA Corporation\PhysX\Common;
    C:\Anaconda;
    C:\Anaconda\Scripts;
    C:\Anaconda\MinGW\bin;
    C:\Anaconda\MinGW\x86_64-w64-mingw32\bin;
    C:\git\bin;
    C:\Program Files (x86)\Microsoft SDKs\Windows\v7.0A\Include;


     

    4、 在C:\Users\Administrator下建立一个文件:.theanorc.txt

    [global]
    openmp = False
    device = gpu0
    floatX = float32
    allow_input_downcast=True
     
    [blas]
    ldflags =
     
    [gcc]
    cxxflags = -IC:\Anaconda\MinGW
     
     
    [cuda]
    root=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.0\bin
     
    [nvcc]
    flags = -LC:\Anaconda\libs   
     
    compiler_bindir = C:\Program Files (x86)\Microsoft Visual Studio 10.0\VC\bin
    fastmath = True
    flags =  -arch=sm_30    
     
    


    注意错误:

    1c:\anaconda\include\pyconfig.h(227) : fatal error C1083: Cannot open include fil

    e: 'basetsd.h': No such file or directory;

    ERROR (theano.sandbox.cuda): Failed to compile cuda_ndarray.cu: ('nvcc return st

    atus', 2, 'for cmd', 'nvcc -shared -O3 -arch=sm_30 -use_fast_math --compiler-bin

     

    根据windows SDK查找这个文件,将这个文件对应的include加入到PATH,没有解决问题,后来compiler_bindir Vs2012更改为Vs2010解决问题。

    compiler_bindir = C:\Program Files (x86)\Microsoft Visual Studio 10.0\VC\bin

     

    二、安装Lasagne

    1、目前还只能从源代码安装。

    git clone https://github.com/Lasagne/Lasagne.git   # 会建立一个Lasagne目录
    cd Lasagne
    pip install -r requirements.txt  #  比较久
    python setup.py install  #  这一步需要root权限


     

    Daniel Nouri[Tutorial]上是这样安装的

    pip install -r https://raw.githubusercontent.com/dnouri/kfkd-tutorial/master/requirements.txt

    这样需要以root用户来执行,不推荐这样做。

     

    尝试正确的安装方式:

    git clone https://github.com/Lasagne/Lasagne.git   # 会建立一个Lasagne目录

    cd Lasagne

    pip install -r https://raw.githubusercontent.com/dnouri/kfkd-tutorial/master/requirements.txt

     

    问题:

    1. 这是Python 2 mimetypesbug

    2. 需要将Python2.7/lib/mimetypes.py文件中如下片段注释或删除:

    try:
        ctype = ctype.encode(default_encoding) # omit in 3.x!
    except UnicodeEncodeError:
        pass


    补充其它解决办法

    解决办法:

    在报错的页面添加代码:

     import sys 
    reload(sys) 
    sys.setdefaultencoding('utf8')

    执行 Python ez_setup.py,报错:

    UnicodeDecodeError: 'utf8' codec can't decode byte 0xb0 in position 35: invalid

     start byte

    解决办法:

    在报错的页面添加代码:

    import sys
    reload(sys)
    sys.setdefaultencoding('utf-8')


     

    安装失败之后,重新安装,需要清理C:\Users\Administrator\AppData\Local\pip里面的内容

     

    2test on mnist

    cd examples
    python mnist.py
    Epoch 103 of 500 took 11.717s
      training loss:                0.045202
      validation loss:              0.059163
      validation accuracy:          98.16 %%
    Epoch 104 of 500 took 11.702s
      training loss:                0.046228
      validation loss:              0.058582
      validation accuracy:          98.14 %%
    Epoch 105 of 500 took 11.704s
      training loss:                0.044530
      validation loss:              0.058295
      validation accuracy:          98.18 %%


     

    三、Facial Keypoints Detection

    1、从https://github.com/dylansun/Kaggle-Facial-Keypoint-Detection 上下载data数据进行训练:

    Data Files:training .zip (60.10 mb)test .zip (15.99 mb)SampleSubmission .csv (201.08 kb)IdLookupTable .csv (842.51 kb)

    Each predicted keypoint is specified by an (x,y) real-valued pair in the space of pixel indices. There are 15 keypoints, which represent the following elements of the face:

    left_eye_center, right_eye_center, left_eye_inner_corner, left_eye_outer_corner, right_eye_inner_corner, right_eye_outer_corner, left_eyebrow_inner_end, left_eyebrow_outer_end, right_eyebrow_inner_end, right_eyebrow_outer_end, nose_tip, mouth_left_corner, mouth_right_corner, mouth_center_top_lip, mouth_center_bottom_lip Left and right here refers to the point of view of the subject.

    In some examples, some of the target keypoint positions are misssing (encoded as missing entries in the csv, i.e., with nothing between two commas).

     The input image is given in the last field of the data files, and consists of a list of pixels (ordered by row), as integers in (0,255). The images are 96x96 pixels.

     Data files

    training.csv: list of training 7049 images. Each row contains the (x,y) coordinates for 15 keypoints, and image data as row-ordered list of pixels.

    test.csv: list of 1783 test images. Each row contains ImageId and image data as row-ordered list of pixels

    submissionFileFormat.csv: list of 27124 keypoints to predict. Each row contains a RowId, ImageId, FeatureName, Location. FeatureName are "left_eye_center_x," "right_eyebrow_outer_end_y," etc. Location is what you need to predict.

     

    2、采用kfkd.py进行训练:

    """
    To use this script, first run this to fit your first model:

      python kfkd.py fit



    Then train a bunch of specialists that intiliaze their weights from
    your first model:

      python kfkd.py fit_specialists net.pickle



    Plot their error curves:

      python kfkd.py plot_learning_curves net-specialists.pickle


    此处报错:

    Traceback (most recent call last):

      File "C:\Program Files (x86)\JetBrains\PyCharm 4.0.4\helpers\pydev\pydevd.py", line 2222, in <module>

        globals = debugger.run(setup['file'], None, None)

      File "C:\Program Files (x86)\JetBrains\PyCharm 4.0.4\helpers\pydev\pydevd.py", line 1648, in run

        pydev_imports.execfile(file, globals, locals)  # execute the script

      File "C:/Anaconda/src/lasagne/examples/Kaggle Facial Keypoints Detection/kfkd.py", line 417, in <module>

        func(*sys.argv[2:])

      File "C:/Anaconda/src/lasagne/examples/Kaggle Facial Keypoints Detection/kfkd.py", line 371, in plot_learning_curves

        models = pickle.load(f)

    EOFError

    解决方法:直接执行

    plot_learning_curves

     



    And finally make predictions to submit to Kaggle:

      python kfkd.py predict net-specialists.pickle



     

     

     

     

    展开全文
  • ubuntu16.04安装lasagne

    千次阅读 2017-09-20 18:10:20
    下载lasagnegit clone ...会建立一个Lasagne目录安装依赖库:cd Lasagne pip install -r requirements.txt安装lasagne:sudo python setup.py install 测试cd examplesudo python mnist.py

    下载lasagne

    git clone https://github.com/Lasagne/Lasagne.git   # 会建立一个Lasagne目录

    安装依赖库:

    cd Lasagne
    pip install -r requirements.txt

    安装lasagne:

    sudo python setup.py install  

    测试

    cd example
    
    sudo python mnist.py 

    这里写图片描述

    展开全文
  • 安装测试Lasagne

    千次阅读 2015-06-11 07:58:32
    Lasagne(n.烤宽面条),大概是一种美食,是不是就是我们的炒面或者是焗面条。我感觉Lasagne是对Theano的一种封装。Theano的Symbolic Math非常漂亮,但是可能比较难理解。Lasagne将Theano的封装了一下,构造DNN的...
  • 安装测试 Lasagne

    千次阅读 2017-02-28 16:10:34
    Lasagne不只是一个美味的意大利菜,也是一个与Blocks和Keras有着相似功能的深度学习库,但其在设计上与它们有些不同。下面是Lasagne的一些设计目的:简单化:它应该是易于使用和扩展的机器学习库。每添加一个特征,...
  • 一般来说,使用时需要安装python和numpy。  首先回顾一下机器学习的东西,定义一个模型(函数)f(x;w) x为输入,w为模型参数,然后定义一个损失函数c(f),通过数据驱动在一堆模型函数中选择最优的函数就是训练...
  • 安装了anaconda,想要安装theano 新建一个环境,为了防止影响到之前好不容易安好的tensorflow-gpu 我选的是python3.5版本,theano比较老,python版本最好也选老一些 安装mingw和libpython anaconda search -t ...
  • import_lasagne

    2019-07-06 12:56:43
    Python:import lasagne 中遇到的问题 1.环境 Windows 10操作系统 虚拟机:VMware +Ubuntu18.04TLS 情况:在Ubuntu上先安装了anaconda3,但手中的...然后安装 Lasagne库,anaconda会自动找到其需要的所有依赖库一并...
  • 我需要用到的有**numpy**, **theano**, **lasagne**, **scikit-learn**, **matplotlib**,网上很多说在Windows下安装matplotlib和theano比Linux难,lasagne是基于theano的,所以也会有很多问题,我两个系统都试了,...
  • 利用Putty 通过终端远程在服务器上安装 theano+lassagne linux服务器上之前已经配置过 anoconda CUDA驱动 cudnn 一 、进入anoconda并新建一个虚拟环境 由于theano官网 ...
  • 基本环境到这里算是安装结束了,接下来就是安装论文所需的工具了,对这部分的过程也做一个简单...ubuntu16.04安装lasagne 测试Theano使用GPU并行计算,以验证环境搭建是否成功 依据第一篇参考博客所说的,LIFI所需...
  • 本人用的操作系统是Ubuntu18.10,和Ubuntu18.04基本没什么区别,由于本人现在正在做关于Deep Learning方面的研究工作,所以避免不了需要安装相关的框架,在python==2.7的情况下,安装Lasagne和Theano框架遇到了很多...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 458
精华内容 183
关键字:

lasagne安装