InstallationInstallation

Visual Studio Tools pour IA peut être installé sur les systèmes d’exploitation Windows 64 bits.Visual Studio Tools for AI can be installed on Windows 64-bit operating systems.

Installation de Visual Studio Tools pour IAInstalling Visual Studio Tools for AI

Cette extension fonctionne avec Visual Studio 2015, 2017, Community Edition ou version ultérieure.This extension works with Visual Studio 2015, 2017, Community edition or higher.

Pour l’installer, téléchargez-la à partir de Visual Studio Marketplace ou à partir de Visual StudioTo install, download from the Visual Studio MarketPlace or from within Visual Studio

  1. Outils> Extensions et mises à jourTools> Extensions and Updates

installer CUDA sur Windows

  1. Recherchez dans le coin supérieur droit « Tools pour IA »Search in upper right-hand corner for "Tools for AI"
  2. Sélectionnez Visual Studio Tools pour IASelect Visual Studio Tools for AI
  3. Cliquez sur TéléchargerClick Download

Préparation de votre ordinateur localPreparing your local machine

Avant de former des modèles deep learning sur votre ordinateur local, vous devez vérifier que les composants requis applicables les plus récents sont installés.Before training deep learning models on your local computer you should make sure you have the latest applicable prerequisites installed. Cela inclut les derniers pilotes et bibliothèques pour votre GPU NVIDIA (si vous en avez une).This includes making sure the latest drivers and libraries for your NVIDIA GPU (if you have one). Vous devez également vous assurer que vous avez installé Python et les bibliothèques Python, telles que NumPy et SciPy, ainsi que les frameworks deep learning appropriés comme CNTK (Microsoft Cognitive Toolkit), TensorFlow, Caffe2, MXNet, Keras, Theano, PyTorch et/ou Chainer que vous prévoyez d’utiliser dans votre projet.You should also ensure you have installed Python and Python libraries such as NumPy, SciPy, and appropriate deep learning frameworks such as Microsoft Cognitive Toolkit (CNTK), TensorFlow, Caffe2, MXNet, Keras, Theano, PyTorch and/or Chainer that you plan to use in your project.

Note

La présentation des logiciels dans les sous-sections suivantes provient de leurs pages d’accueil.Software introduction in the following subsections is excerpted from their homepages.

Pilote GPU NVIDIANVIDIA GPU driver

Les frameworks deep learning tirent parti de la GPU NVIDIA pour permettre aux machines d’apprendre à une vitesse, avec une précision et à une échelle proches de l’intelligence artificielle réelle.Deep learning frameworks take advantage of NVIDIA GPU to let machines learn at a speed, accuracy, and scale towards true artificial intelligence. Si votre ordinateur possède des cartes GPU NVIDIA, rendez-vous ici ou essayez une mise à jour du système d’exploitation pour installer le pilote le plus récent.If your computer has NVIDIA GPU cards, please visit here or try OS update to install the latest driver.

CUDACUDA

CUDA est une plateforme de calcul parallèle et un modèle de programmation inventé par NVIDIA.CUDA is a parallel computing platform and programming model invented by NVIDIA. Il permet d’améliorer considérablement les performances de calcul en exploitant la puissance de la GPU.It enables dramatic increases in computing performance by harnessing the power of the GPU. Actuellement, CUDA Toolkit 8.0 est requis par les frameworks deep learning.Currently, CUDA Toolkit 8.0 is required by deep learning frameworks.

Pour installer CUDATo install CUDA

  • Visitez ce site, téléchargez CUDA et installez-le.Visit this site, download CUDA and install it.
  • Veillez à installer les bibliothèques runtime CUDA, puis ajoutez le chemin binaire CUDA à la variable d’environnement %PATH% ou $Path.Make sure to install the CUDA runtime libraries, and then add CUDA binary path to the %PATH% or $Path environment variable.
  • Sous Windows, ce chemin est « C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin » par défaut.On Windows, this path is "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin" by default.

installer CUDA sur Windows

cuDNNcuDNN

La bibliothèque cuDNN (CUDA Deep Neural Network) est une bibliothèque avec accélération GPU de primitives pour les réseaux neuronaux profonds par NVIDIA.cuDNN (CUDA Deep Neural Network library) is a GPU-accelerated library of primitives for deep neural networks by NVIDIA. cuDNN v6 est requis par les frameworks deep learning les plus récents.cuDNN v6 is required by latest deep learning frameworks.

Pour installer cuDNNTo install cuDNN

  • Rendez-vous ici pour télécharger et installer le dernier package.Visit here to download and install the latest package.
  • Veillez à ajouter le répertoire contenant le chemin binaire cuDNN à la variable d’environnement %PATH% ou $Path.Ensure to add the directory containing cuDNN binary to the %PATH% or $Path environment variable.
  • Sous Windows, vous pouvez copier cudnn64_6.dll dans « C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin ».On Windows, you can copy cudnn64_6.dll to "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin".

Note

Les frameworks deep learning précédents comme CNTK 2.0 et TensorFlow 1.2.1 nécessitent cuDNN v5.1.Previous deep learning frameworks such as CNTK 2.0 and TensorFlow 1.2.1 need cuDNN v5.1. Toutefois, vous pouvez installer plusieurs versions cuDNN ensemble.However, you can install multiple cuDNN versions together.

PythonPython

Python a représenté le langage de programmation principal pour les applications deep learning.Python has been the primary programming language for deep learning applications. Une distribution Python 64 bits est nécessaire et Python 3.5.4 est recommandé pour une compatibilité optimale.64-bit Python distribution is required, and Python 3.5.4 is recommended for the best compatibility.

Pour installer Python sous WindowsTo install Python on Windows

  • Nous vous conseillons d’installer le lanceur Python pour vous-même uniquement et d’ajouter Python à la variable d’environnement %PATH%.We suggest installing the Python launcher for yourself only, and add Python to the %PATH% environment variable.
  • Veillez à installer pip, qui est le système de gestion des packages pour installer et gérer des packages logiciels écrits dans Python.Ensure to install pip, which is the package management system to install and manage software packages written in Python.

Les frameworks deep learning s’appuient sur pip pour leur propre installation.Deep learning frameworks rely on pip for their own installation.

installer Python sous Windows

Ensuite, nous devons vérifier si Python 3.5 est installé correctement, et mettre à niveau pip vers la dernière version en exécutant les commandes suivantes dans un terminal :Then, we need to verify whether Python 3.5 is installed correctly, and upgrade pip to the latest version by executing the following commands in a terminal:

  • FenêtresWindows

    C:\Users\test>python -V
    Python 3.5.4
    
    C:\Users\test>pip3.5 -V
    pip 9.0.1 from c:\users\test\appdata\local\programs\python\python35\lib\site-packages (python 3.5)
    
    C:\Users\test>python -m pip install -U pip
    
  • macOSmacOS

    MyMac:~ test$ python3.5 -V
    Python 3.5.4
    
    MyMac:~ test$ pip3.5 -V
    pip 9.0.1 from /Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/site-packages (python 3.5)
    
    MyMac:~ test$ python3.5 -m pip install -U pip
    

Python sous Visual StudioPython on Visual Studio

Python est entièrement pris en charge dans Visual Studio via les extensions.Python is fully supported in Visual Studio through extensions. Découvrez plus en détail l’installation de Python pour Visual Studio Tools pour plus d’informations.Learn more about install Python for Visual Studio Tools for more details.

NumPy et SciPyNumPy and SciPy

  • NumPy est un package de traitement de tableaux à usage général conçu pour manipuler efficacement des tableaux multidimensionnels volumineux d’enregistrements arbitraires sans pour autant sacrifier trop de vitesse pour les tableaux multidimensionnels de petite taille.NumPy is a general-purpose array-processing package designed to efficiently manipulate large multi-dimensional arrays of arbitrary records without sacrificing too much speed for small multi-dimensional arrays.

  • SciPy est un logiciel open source pour les mathématiques, les sciences et l’ingénierie, dépendant de NumPy.SciPy (pronounced "Sigh Pie") is open-source software for mathematics, science, and engineering, depending on NumPy. Depuis la version 1.0.0, SciPy a maintenant un package wheel prédéfini officiel pour Windows.Starting from version 1.0.0, SciPy now has official prebuilt wheel package for Windows.

Pour installer NumPy et SciPy, exécutez la commande suivante dans un terminal :To install NumPy and SciPy, run the following command in a terminal:

pip3.5 install -U numpy scipy

Note

La commande ci-dessus met à niveau les packages NumPy et SciPy anciens ou non officiels (par exemple, les packages tiers de http://www.lfd.uci.edu/~gohlke/pythonlibs/ pour Windows) avec les packages officiels les plus récents.The above command upgrades existing old or unofficial (e.g. third-party packages from http://www.lfd.uci.edu/~gohlke/pythonlibs/ for Windows) NumPy and SciPy to the latest official ones.

CNTK (Microsoft Cognitive Toolkit)Microsoft Cognitive Toolkit (CNTK)

Microsoft Cognitive Toolkit est une boîte à outils deep learning unifiée qui décrit les réseaux neuronaux comme une série d’étapes de calculs via un graphique orienté.The Microsoft Cognitive Toolkit is a unified deep-learning toolkit that describes neural networks as a series of computational steps via a directed graph. CNTK prend en charge les langages de programmation Python et BrainScript.CNTK supports both Python and BrainScript programming languages.

Note

CNTK ne prend actuellement pas en charge macOS.CNTK currently does not support macOS.

Pour installer le package CNTK Python, consultez Guide pratique pour installer CNTKTo install CNTK Python package, see how to install CNTK

TensorFlowTensorFlow

TensorFlow est une bibliothèque de logiciels open source utilisée pour le calcul numérique à l’aide de graphiques de flux de données.TensorFlow is an open source software library for numerical computation using data flow graphs. Pour obtenir des instructions d’installation détaillées, rendez-vous ici.Refer to here for detailed installation.

Note

À compter de la version 1.2, TensorFlow n’assure plus la prise en charge GPU pour macOS.As of version 1.2, TensorFlow no longer provides GPU support for macOS.

Caffe2Caffe2

Caffe2 est un framework deep learning léger, modulaire et scalable.Caffe2 is a lightweight, modular, and scalable deep learning framework. Basé sur le produit Caffe d’origine, Caffe2 a été conçu en privilégiant l’expression, la vitesse et la modularité.Building on the original Caffe, Caffe2 is designed with expression, speed, and modularity in mind.

Pour l’instant, aucun package wheel python Caffe2 prédéfini n’est disponible.Currently, there's no prebuilt Caffe2 python wheel package available.

Rendez-vous ici pour une génération à partir du code source.Visit here to build from source code.

MXNetMXNet

Apache MXNet (en développement) est un framework deep learning conçu pour l’efficacité et la flexibilité.Apache MXNet (incubating) is a deep learning framework designed for both efficiency and flexibility. Il vous permet de mélanger une programmation symbolique et impérative afin d’optimiser l’efficacité et la productivité.It allows you to mix symbolic and imperative programming to maximize efficiency and productivity.

Pour installer MXNet, exécutez la commande suivante dans un terminal :To install MXNet, run the following command in a terminal:

  • Avec GPUWith GPU bash pip3.5 install mxnet-cu80==0.12.0
  • Sans GPUWithout GPU bash pip3.5 install mxnet==0.12.0

KerasKeras

Keras est une API de réseaux neuronaux de haut niveau, écrite dans Python et capable de s’exécuter sur CNTK, TensorFlow ou Theano.Keras is a high-level neural networks API, written in Python and capable of running on top of CNTK, TensorFlow, or Theano. Elle a été développée dans le but de permettre des expérimentations rapides.It was developed with a focus on enabling fast experimentation. Pour effectuer des recherches optimales, il est essentiel de pouvoir passer de l’idée à son résultat dans un délai le plus court possible.Being able to go from idea to result with the least possible delay is key to doing good research.

Pour installer Keras, exécutez la commande suivante dans un terminal :To install Keras, please run the following command in a terminal:

pip3.5 install Keras==2.0.9

TheanoTheano

Theano est une bibliothèque Python qui vous permet de définir, d’optimiser et d’évaluer des expressions mathématiques impliquant des tableaux multidimensionnels efficacement.Theano is a Python library that allows you to define, optimize, and evaluate mathematical expressions involving multi-dimensional arrays efficiently.

Pour installer Theano, exécutez la commande suivante dans un terminal :To install Theano, please run the following command in a terminal:

pip3.5 install Theano==0.9.0

PyTorchPyTorch

PyTorch est un package python qui fournit deux fonctionnalités principales :PyTorch is a python package that provides two high-level features:

  • Calcul de tenseur (comme NumPy) avec une accélération GPU forteTensor computation (like numpy) with strong GPU acceleration
  • Réseaux neuronaux profonds basés sur un système de rétrogradation de bandeDeep Neural Networks built on a tape-based autograd system

Pour installer PyTorch, exécutez la commande suivante dans un terminal :To install PyTorch, please run the following command in a terminal:

  • FenêtresWindows

    • Aucun package wheel officiel n’existe encore pour l’instant.There is no official wheel package yet. Vous pouvez télécharger un package Anaconda PyTorch tiers.You may download a third-party Anaconda PyTorch package.
    • Décompressez-le dans votre répertoire de base, par exemple « C:\Users\test\pytorch ».Decompress it to your home directory, e.g. "C:\Users\test\pytorch".
    • Ajoutez « C:\Users\test\pytorch\Lib\site-packages » à la variable d’environnement %PYTHONPATH%.Add "C:\Users\test\pytorch\Lib\site-packages" to the %PYTHONPATH% environment variable.
  • macOSmacOS

    pip3.5 install http://download.pytorch.org/whl/torch-0.2.0.post3-cp35-cp35m-macosx_10_7_x86_64.whl
    

    Note

    Les binaires macOS ne prenant pas en charge CUDA, installez-le à partir de la source si CUDA est nécessairemacOS binaries don't support CUDA, install from source if CUDA is needed

  • LinuxLinux

    pip3.5 install http://download.pytorch.org/whl/cu80/torch-0.2.0.post3-cp35-cp35m-manylinux1_x86_64.whl
    

    Note

    Ce package unique prend en charge les GPU et UC.This single package supports both GPU and CPU.

Enfin, installez torchvision ailleurs que sur Windows :Finally, install torchvision on non-Windows:

pip3.5 install torchvision

ChainerChainer

Chainer est un framework deep learning basé sur Python visant la flexibilité.Chainer is a Python-based deep learning framework aiming at flexibility. Il fournit des API de différenciation automatique basées sur l’approche définie selon l’exécution (ouIt provides automatic differentiation APIs based on the define-by-run approach (a.k.a. graphiques de calculs dynamiques), ainsi que des API de haut niveau et orientées objet pour créer et effectuer l’apprentissage des réseaux neuronaux.dynamic computational graphs) as well as object-oriented high-level APIs to build and train neural networks.

Pour activer la prise en charge CUDA, installez CuPy :To enable CUDA support, install CuPy:

pip3.5 install cupy

Note

Sous Windows, vous avez besoin de la version 2015 de Microsoft Visual Studio ou Microsoft Visual C++ Build Tools pour compiler CuPy avec CUDA 8.0.On Windows, you need 2015 version of Microsoft Visual Studio or Microsoft Visual C++ Build Tools to compile CuPy with CUDA 8.0.

Pour installer Chainer, exécutez la commande suivante dans un terminal :To install Chainer, please run the following command in a terminal:

pip3.5 install chainer==3.0.0