close
前陣子在觀望【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U)網路上評價滿好，雖然價格讓我有點卻步
可我爬文才知道原來這類的商品優惠起來也是很優惠的
↓↓↓限量折扣的優惠按鈕↓↓↓
我開始找各大商城我才知道有很多地方有賣福利品(便宜很多)
後來找到兩家商城有在賣而且有現貨~除了可以便宜買到還可以符合 我的需求真是太棒了
因為是商城東西當然非常琳瑯滿目而且不用自己想辦法去運送
只要上網點點點【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U)就可以在網站上選要送到家
真的太方便了
所以我買的【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U)也在下週會送來囉~(先看看照片期待)
後來我去店面看的時候才發現【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U)在網路上買真的比較便宜
而且因為只有在網路上販售並沒有在實體店面所以直接回饋價格給網民
這次剛好跟上折扣所以價格真的挺優惠的，所以我就在網路上買了~~
如果在購物商城買的話，除了有詳細的介紹以外，更有保障！！而且速度也很快~
【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U)
2017單眼相機推薦,2017相機推薦,最新 相機推薦,最新相機2017,拍攝技巧,單眼價格,2017手機品牌,2017新手機推薦,2017手機推薦,最新手機推薦,最新手機2017,使用教學,空機價格
↓↓↓現在馬上點擊購買↓↓↓
另外在推薦我平時會使用的平台可以比較價格找便宜~~
28 天自制你的 AlphaGo（一）
導語：前段時間AlphaGo人機大戰的關註度很高，希望這個系列能讓大傢對人工智能和圍棋有更多的瞭解。
雷鋒網註：本文作者彭博，Blink·稟臨科技聯合創始人。文章由雷鋒網(公眾號：雷鋒網)整理自作者知乎專欄，獲授權發佈。
一、圍棋 AI 基礎
大傢都知道 AlphaGo v13 的三大組件是：
MCTS（蒙特卡洛樹搜索）
CNN （卷積神經網絡，包括：策略網絡 policy network、快速走子網絡 playout network、價值網絡 value network）
RL （強化學習）
現有的圍棋 AI 也都是這個思路瞭，我們也會按這個思路講。在此先看看圍棋和博弈 AI 的一些基本常識。
1、首先是圍棋規則。
圍棋博大精深，但基本規則很簡潔。推薦這個在線教程：
第一天 圍棋的介紹 - 十天即可掌握！『PANDANET圍棋入門』
註意，正常來說，黑棋的第 1 手要下到你的右上角，比如說右上角的 星位 或者 小目 。雖然棋盤是對稱的，下其它三個角也可以，但這是對弈的一種禮貌，這樣下對方就知道你是懂規矩的（當然，也可以第 1 手下在邊上，或者中腹，但目前人類一般認為是虧的）。
如果等不及，看完教程的 第一天 內容，其實就可以立刻玩一下瞭。下圖是純神經網絡走棋，你持黑，電腦持白（因為黑棋先走，有優勢，所以最後要倒貼幾目給白棋，叫做貼目），大傢可以點擊打開：
Play Go Against a DCNN
這個網頁第一次打開會比較慢，因為要加載一個 50M 的神經網絡數據。
圖中的顏色可以點擊 Show Analysis 打開，是神經網絡的最終輸出。越紅的地方，代表神經網絡認為越可能成為下一手。你也可以把 Auto Move 關掉，自己和自己下。
試試先按電腦的建議，走在紅的地方，培養一下 感覺 吧！
如果有多個紅點，可以任選一個。當然，不可迷信，它的紅點時常是錯的，也時常不全面！
這個電腦不會計算，完全沒有搜索，全部都是靠神經網絡的“感覺”，用圍棋的話說，可以說是按照 定式 和 常型 等等，所以死活弱（就是你可能會有機會把它的棋吃掉！），很適合新人找感覺。
2、圍棋規則實際有很多細節，而且並沒有世界統一的規則。
現有的規則有中國、韓國、日本、應式等等，在大多數情況下不影響勝負的判斷結果，但還是有微妙區別，比如說中國是數子，有 粘劫收後 ，日韓是數目，終局有死活的判斷問題。
較為簡潔，適合電腦描述的可能是 Tromp-Taylor 規則： Tromp-Taylor Rules 。不妨做幾個調整：
a. 再簡化一點，去掉 全局禁同形再現 ，改成 罕見循環局面由裁判決定 （畢竟三劫以上循環的可能性很小），這樣程序就不一定要存一個每個局面的hash表。
b. 禁止自殺，這樣更接近其它規則。
c. 雖然目前看最佳貼目可能更接近 5.5，但還是按中國現有規則的 7.5 吧，方便大傢統一。
目前市面最強的程序是 銀星17 和 Zen6，不過價錢也比較高（雖然都有X版）。而目前免費軟件中最強的是 Leela，棋力也還不錯，請點擊：chess, audio and misc. software
而且 Leela 有 console 的接口，可以接上目前常用的圍棋 GTP 協議。如果你有興趣，現在還有一個電腦圍棋的天梯，可以連進去與其它程序對戰，看自己的排名： 19x19 All Time Ranks 。
3、關於蒙特卡洛樹搜索
有一個常見的錯誤認識，在此先糾正。
在棋類博弈 AI 中，很多年前最早出現的是蒙特卡洛方法，就是到處隨機走，然後看哪裡的勝率最高。但這有一個問題，舉個例子：
a. 如果走在 A，人有100種應對，其中99種，電腦會立刻贏，隻有1種電腦會立刻輸。
b. 如果走在 B，人有100種應對，但局勢很復雜，大傢都看不清，如果隨機走下去，後續的勝率雙方都是50%。
那麼如果計算蒙特卡洛的勝率，電腦會發現走在 A 的勝率是 99%，走在 B 的勝率是 50%。
可是，電腦的正解是應該走 B！因為如果走瞭 A，人如果夠聰明，就一定會走電腦立刻輸的變化。如果電腦執意要走 A，就隻能稱之為 騙著 瞭。
於是有的人會說蒙特卡洛方法有缺陷。但是，蒙特卡洛樹搜索在理論上解決瞭這個問題。
怎麼把人想象得盡量聰明？這就要靠博弈樹。蒙特卡洛樹搜索是博弈樹和蒙特卡洛方法的結合，它不會犯 A 和 B 的問題，它很快就會發現 B 比 A 好。容易證明，如果給定足夠的計算時間和足夠的存儲空間，蒙特卡洛樹搜索可以收斂到完美的博弈樹，成為圍棋之神。
然而，實際的計算和存儲資源是有限的，實際的 A （不妨稱之為陷阱）也會更復雜。比如說：
c. 如果走在 A，經過博弈樹的模擬，電腦幾乎是怎麼走都怎麼贏；但是人更清楚後續的走法，人會走出完美的應對，在許多步後電腦一定會突然死亡。
這時，電腦要走遍瞭博弈樹的許多層，才能發現原來走到 A 會存在致命缺陷，掉入陷阱。這種情況下，蒙特卡洛樹搜索就容易在 A 和 B 的問題上給出錯誤的答案。這有好多種表現，比如說 地平線效應 ，又像 AlphaGo 被擊中的第 78 手。
圍棋中是有很多陷阱局面的，比如說 大頭鬼 。人工智能如何正確應對陷阱局面，或者避免進入陷阱局面？這就需要 策略網絡（policy network）、價值網絡（value network）、強化學習 的共同作用。在後續的文章將會逐步介紹，包括具體的訓練方法。
二、安裝 MXNet 搭建深度學習環境
介紹完圍棋 AI 的基本常識，咱們開始搭建深度學習環境。
目前的環境很多，最多人用的是 Google 的 TensorFlow；不過 MXNet 感覺也蠻不錯，比較省資源（當然，最好兩個都裝）。配圖是 MXNet 的例子裡面的 LeNet 訓練 MNIST 數據集，這是很經典的模型，可以看到準確率在隨著訓練不斷提高：
安裝之前先看個好玩的：github.com/dmlc/mxnet.js 是在瀏覽器直接運行 MXNet 的效果。TensorFlow 也有類似的東西： transcranial/keras-js。也就說，我們訓練好模型後，可以直接在網頁裡面可視化，這樣就可以輕松跨平臺。
1、Windows的安裝
第一次裝深度學習環境經常會遇到一些坑，這裡看一個實際安裝 MXNet 的過程。先看 Windows 的安裝，比較簡單和快速，因為不需要編譯。
說句無關的，我個人是推薦 Windows 的，因為顯卡還可以用於娛樂（這幾年的新遊戲的圖像進步很大），有興趣還可以玩個 VR 啥的。
1） 首先裝瞭 VC2015，安裝時語言記得選上 C++。
2）然後如果你有 nVidia 的 GPU，裝一下 CUDA：CUDA 8.0 Downloads 。選本地安裝版，建議用迅雷下比較快。如果沒有 nVidia 顯卡，買一塊吧，顯存盡量選大的，機器的電源也記得要跟上。實在沒錢就二手 750Ti 2G 顯存版吧，足夠玩玩簡單模型，因為 MXNet 省顯存。當然，用 CPU 也可以跑，就是慢。
3）再下載 cuDNN，這個要註冊一個帳號。註冊一個吧： NVIDIA cuDNN 。解壓備用。
4）下載 MXNet 的編譯好的包：github.com/ 先下載 vc14 base package，然後下載更新包（例如 20170114_mxnet_x64_vc14_gpu.7z 註意 GPU 包就是同時支持 CPU 和 GPU）解壓進去，然後把 cuDNN 也解壓進去（見它的文檔）。執行 setupenv.cmd 。
5）裝個 Python 吧，推薦 Anaconda，選 Python 2.7 的版本： Download Anaconda Now! 。建議用迅雷下比較快。裝完檢驗一下 python 命令可用。
6）進開始的 MXNet 目錄的 python 子目錄，執行 python setup.py install 。會發現提示要裝一個 Microsoft Visual C++ Compiler for Python 2.7，去裝瞭。
7）然後再執行 python setup.py install，可能會發現提示缺頭文件，把他們從你的 VC2015 的 include 目錄拷貝到 Microsoft Visual C++ Compiler for Python 2.7 的 include 目錄即可。要根據提示拷貝好幾個頭文件。然後就可以成功編譯瞭。
8）運行 python，然後 import mxnet 然後 (mxnet.nd.ones((2,2), mxnet.cpu())*100).asnumpy()然後 (mxnet.nd.ones((2,2), mxnet.gpu())*100).asnumpy() 如果全部成功，恭喜你，裝好瞭。
9）再下載 dmlc/mxnet，在 example 目錄 python train_mnist.py --network lenet 。會先下載測試數據，等下它，比較慢。看看是否成功訓練。
10）再測試 VC++ 的環境。下載 MXNet.cpp （不需要執行裡面的 setupenv.cmd），然後打開 windows 目錄下面的 vs 下面的 MxnetTestApp，運行試試。再試試裡面有句可以改成 Context ctx_dev(DeviceType::kGPU, 0); 會發現 GPU 確實比 CPU 快。
11）可以用 CPU-z 和 GPU-z 看你的 CPU 和 GPU 有沒有偷懶，是否是在全心全意工作。
2、Mac 的安裝
下面看 Mac 的安裝，我是 OSX 10.11。
這個安裝麻煩一些，因為首先下面有些下載過程可能要 export
ALL_PROXY= 代理地址 （否則很慢）。另外 pip 也要換國內源，git 也要加代理，homebrew 也可以改國內源。
然後有時會遇到權限問題，請 chown 一下。有時可能也要 sudo。
1）裝 XCode。最新 CUDA 已經兼容 XCode 8 瞭。
2）裝 CUDA 和 cuDNN。
3）裝 homebrew（百度搜索一下）。裝 python，建議 brew install pyenv 然後用它裝 anaconda2，防止破壞系統 python 版本：Mac OS X下安裝pyenv 。
註：如果發現 pyenv 下載文件奇慢無比，可以給 pyenv 加上 -v 看到找到下載路徑，然後手工下載，然後打開 /usr/local/bin/python-build 然後在 download_tarball() 函數裡面，直接把第一行改成 local package_url= http://127.0.0.1/Anaconda2-4.2.0-MacOSX-x86_64.sh 然後你自己開一個 http 服務器即可。
4）裝 MXNet： Installing MXNet on OS X (Mac) 按照 Standard installation 走。不要執行它的 Quick Installation 自動腳本，因為還會去重新裝 homebrew，非常慢。
5）按它說的編譯（非常慢）。在 config.mk 中加：
USE_BLAS = openblas
ADD_CFLAGS += -I/usr/local/opt/openblas/include
ADD_LDFLAGS += -L/usr/local/opt/openblas/lib
ADD_LDFLAGS += -L/usr/local/lib/graphviz/
USE_CUDA = 1
USE_CUDA_PATH = /usr/local/cuda
USE_CUDNN = 1
USE_NVRTC = 1
另外可能要 ln -s /usr/local/cuda/lib /usr/local/cuda/lib64 。有問題就 make clean 一iphone se價格下再試試。
6）檢查是否裝好：
cd example/image-classification/
python train_mnist.py
祝安裝成功！在下一篇我們會看看從棋譜提取訓練特征。
小作業：
1. 介紹圍棋基礎的純神經網絡走棋是開源的，請改它的代碼，做一個基本的圍棋界面，包括吃子、打劫、點目等等基本規則。
2. 請閱讀它的論文： http://jmlr.org/proceedings/papers/v37/clark15.pdf 。
3. 請做一個傻瓜版的 策略網絡，比如說會做眼，會吃子。可以參考 GnuGO 的 6. Move generation 。
4. 請做一個傻瓜版的 價值網絡，比如說可以用 棋子向外輻射影響 的方法。可以參考 GnuGO 的 13. Influence Function 和 Bouzy s 5/21 algorithm 。
雷鋒網特約稿件，未經授權禁止轉載。詳情見轉載須知。
平價手機推薦
【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U)拍攝技術【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U)怎麼拍才好看 【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U) 光源佈置【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U)心得分享價格比較【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U)PPT評價【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U)機型推薦 您或許有興趣的東西:
可我爬文才知道原來這類的商品優惠起來也是很優惠的
↓↓↓限量折扣的優惠按鈕↓↓↓
我開始找各大商城我才知道有很多地方有賣福利品(便宜很多)
後來找到兩家商城有在賣而且有現貨~除了可以便宜買到還可以符合 我的需求真是太棒了
因為是商城東西當然非常琳瑯滿目而且不用自己想辦法去運送
只要上網點點點【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U)就可以在網站上選要送到家
真的太方便了
所以我買的【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U)也在下週會送來囉~(先看看照片期待)後來我去店面看的時候才發現【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U)在網路上買真的比較便宜
而且因為只有在網路上販售並沒有在實體店面所以直接回饋價格給網民
這次剛好跟上折扣所以價格真的挺優惠的，所以我就在網路上買了~~
如果在購物商城買的話，除了有詳細的介紹以外，更有保障！！而且速度也很快~
- 品號：4808071
- 四核CPU／5.5吋IPS螢幕
- RAM／ROM：1G／8GB
- 雙鏡頭：前800／後1300萬
【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U)
2017單眼相機推薦,2017相機推薦,最新 相機推薦,最新相機2017,拍攝技巧,單眼價格,2017手機品牌,2017新手機推薦,2017手機推薦,最新手機推薦,最新手機2017,使用教學,空機價格
↓↓↓現在馬上點擊購買↓↓↓
另外在推薦我平時會使用的平台可以比較價格找便宜~~
| 寶貝用品購物網推薦 | ||
| | 專門賣寶寶天然的清潔用品~~ | |
 | 韓國首選婦幼產品，既時尚又實用 | |
| | 適合給新手爸媽的嬰兒購物網，一應俱全! | |
| 各大購物網快速連結 | ||
 | 東森購物網 | 性質大多相同 建議每一家搜尋要購買的品項後 比對出能折價卷能扣最多的一家來消費保養品、化妝品我比較常在momo購物網買，切記是"購物網"才有正品保障!! |
 | 森森購物網 | |
 | udn買東西 | |
 | MOMO購物網 | |
 | 瘋狂麥克 | 有時候新鮮貨我都在瘋狂麥克找，基本上想找的，瘋狂賣客都會賣~ |
28 天自制你的 AlphaGo（一）
導語：前段時間AlphaGo人機大戰的關註度很高，希望這個系列能讓大傢對人工智能和圍棋有更多的瞭解。
雷鋒網註：本文作者彭博，Blink·稟臨科技聯合創始人。文章由雷鋒網(公眾號：雷鋒網)整理自作者知乎專欄，獲授權發佈。
一、圍棋 AI 基礎
大傢都知道 AlphaGo v13 的三大組件是：
MCTS（蒙特卡洛樹搜索）
CNN （卷積神經網絡，包括：策略網絡 policy network、快速走子網絡 playout network、價值網絡 value network）
RL （強化學習）
現有的圍棋 AI 也都是這個思路瞭，我們也會按這個思路講。在此先看看圍棋和博弈 AI 的一些基本常識。
1、首先是圍棋規則。
圍棋博大精深，但基本規則很簡潔。推薦這個在線教程：
第一天 圍棋的介紹 - 十天即可掌握！『PANDANET圍棋入門』
註意，正常來說，黑棋的第 1 手要下到你的右上角，比如說右上角的 星位 或者 小目 。雖然棋盤是對稱的，下其它三個角也可以，但這是對弈的一種禮貌，這樣下對方就知道你是懂規矩的（當然，也可以第 1 手下在邊上，或者中腹，但目前人類一般認為是虧的）。
如果等不及，看完教程的 第一天 內容，其實就可以立刻玩一下瞭。下圖是純神經網絡走棋，你持黑，電腦持白（因為黑棋先走，有優勢，所以最後要倒貼幾目給白棋，叫做貼目），大傢可以點擊打開：
Play Go Against a DCNN
這個網頁第一次打開會比較慢，因為要加載一個 50M 的神經網絡數據。
圖中的顏色可以點擊 Show Analysis 打開，是神經網絡的最終輸出。越紅的地方，代表神經網絡認為越可能成為下一手。你也可以把 Auto Move 關掉，自己和自己下。
試試先按電腦的建議，走在紅的地方，培養一下 感覺 吧！
如果有多個紅點，可以任選一個。當然，不可迷信，它的紅點時常是錯的，也時常不全面！
這個電腦不會計算，完全沒有搜索，全部都是靠神經網絡的“感覺”，用圍棋的話說，可以說是按照 定式 和 常型 等等，所以死活弱（就是你可能會有機會把它的棋吃掉！），很適合新人找感覺。
2、圍棋規則實際有很多細節，而且並沒有世界統一的規則。
現有的規則有中國、韓國、日本、應式等等，在大多數情況下不影響勝負的判斷結果，但還是有微妙區別，比如說中國是數子，有 粘劫收後 ，日韓是數目，終局有死活的判斷問題。
較為簡潔，適合電腦描述的可能是 Tromp-Taylor 規則： Tromp-Taylor Rules 。不妨做幾個調整：
a. 再簡化一點，去掉 全局禁同形再現 ，改成 罕見循環局面由裁判決定 （畢竟三劫以上循環的可能性很小），這樣程序就不一定要存一個每個局面的hash表。
b. 禁止自殺，這樣更接近其它規則。
c. 雖然目前看最佳貼目可能更接近 5.5，但還是按中國現有規則的 7.5 吧，方便大傢統一。
目前市面最強的程序是 銀星17 和 Zen6，不過價錢也比較高（雖然都有X版）。而目前免費軟件中最強的是 Leela，棋力也還不錯，請點擊：chess, audio and misc. software
而且 Leela 有 console 的接口，可以接上目前常用的圍棋 GTP 協議。如果你有興趣，現在還有一個電腦圍棋的天梯，可以連進去與其它程序對戰，看自己的排名： 19x19 All Time Ranks 。
3、關於蒙特卡洛樹搜索
有一個常見的錯誤認識，在此先糾正。
在棋類博弈 AI 中，很多年前最早出現的是蒙特卡洛方法，就是到處隨機走，然後看哪裡的勝率最高。但這有一個問題，舉個例子：
a. 如果走在 A，人有100種應對，其中99種，電腦會立刻贏，隻有1種電腦會立刻輸。
b. 如果走在 B，人有100種應對，但局勢很復雜，大傢都看不清，如果隨機走下去，後續的勝率雙方都是50%。
那麼如果計算蒙特卡洛的勝率，電腦會發現走在 A 的勝率是 99%，走在 B 的勝率是 50%。
可是，電腦的正解是應該走 B！因為如果走瞭 A，人如果夠聰明，就一定會走電腦立刻輸的變化。如果電腦執意要走 A，就隻能稱之為 騙著 瞭。
於是有的人會說蒙特卡洛方法有缺陷。但是，蒙特卡洛樹搜索在理論上解決瞭這個問題。
怎麼把人想象得盡量聰明？這就要靠博弈樹。蒙特卡洛樹搜索是博弈樹和蒙特卡洛方法的結合，它不會犯 A 和 B 的問題，它很快就會發現 B 比 A 好。容易證明，如果給定足夠的計算時間和足夠的存儲空間，蒙特卡洛樹搜索可以收斂到完美的博弈樹，成為圍棋之神。
然而，實際的計算和存儲資源是有限的，實際的 A （不妨稱之為陷阱）也會更復雜。比如說：
c. 如果走在 A，經過博弈樹的模擬，電腦幾乎是怎麼走都怎麼贏；但是人更清楚後續的走法，人會走出完美的應對，在許多步後電腦一定會突然死亡。
這時，電腦要走遍瞭博弈樹的許多層，才能發現原來走到 A 會存在致命缺陷，掉入陷阱。這種情況下，蒙特卡洛樹搜索就容易在 A 和 B 的問題上給出錯誤的答案。這有好多種表現，比如說 地平線效應 ，又像 AlphaGo 被擊中的第 78 手。
圍棋中是有很多陷阱局面的，比如說 大頭鬼 。人工智能如何正確應對陷阱局面，或者避免進入陷阱局面？這就需要 策略網絡（policy network）、價值網絡（value network）、強化學習 的共同作用。在後續的文章將會逐步介紹，包括具體的訓練方法。
二、安裝 MXNet 搭建深度學習環境
介紹完圍棋 AI 的基本常識，咱們開始搭建深度學習環境。
目前的環境很多，最多人用的是 Google 的 TensorFlow；不過 MXNet 感覺也蠻不錯，比較省資源（當然，最好兩個都裝）。配圖是 MXNet 的例子裡面的 LeNet 訓練 MNIST 數據集，這是很經典的模型，可以看到準確率在隨著訓練不斷提高：
安裝之前先看個好玩的：github.com/dmlc/mxnet.js 是在瀏覽器直接運行 MXNet 的效果。TensorFlow 也有類似的東西： transcranial/keras-js。也就說，我們訓練好模型後，可以直接在網頁裡面可視化，這樣就可以輕松跨平臺。
1、Windows的安裝
第一次裝深度學習環境經常會遇到一些坑，這裡看一個實際安裝 MXNet 的過程。先看 Windows 的安裝，比較簡單和快速，因為不需要編譯。
說句無關的，我個人是推薦 Windows 的，因為顯卡還可以用於娛樂（這幾年的新遊戲的圖像進步很大），有興趣還可以玩個 VR 啥的。
1） 首先裝瞭 VC2015，安裝時語言記得選上 C++。
2）然後如果你有 nVidia 的 GPU，裝一下 CUDA：CUDA 8.0 Downloads 。選本地安裝版，建議用迅雷下比較快。如果沒有 nVidia 顯卡，買一塊吧，顯存盡量選大的，機器的電源也記得要跟上。實在沒錢就二手 750Ti 2G 顯存版吧，足夠玩玩簡單模型，因為 MXNet 省顯存。當然，用 CPU 也可以跑，就是慢。
3）再下載 cuDNN，這個要註冊一個帳號。註冊一個吧： NVIDIA cuDNN 。解壓備用。
4）下載 MXNet 的編譯好的包：github.com/ 先下載 vc14 base package，然後下載更新包（例如 20170114_mxnet_x64_vc14_gpu.7z 註意 GPU 包就是同時支持 CPU 和 GPU）解壓進去，然後把 cuDNN 也解壓進去（見它的文檔）。執行 setupenv.cmd 。
5）裝個 Python 吧，推薦 Anaconda，選 Python 2.7 的版本： Download Anaconda Now! 。建議用迅雷下比較快。裝完檢驗一下 python 命令可用。
6）進開始的 MXNet 目錄的 python 子目錄，執行 python setup.py install 。會發現提示要裝一個 Microsoft Visual C++ Compiler for Python 2.7，去裝瞭。
7）然後再執行 python setup.py install，可能會發現提示缺頭文件，把他們從你的 VC2015 的 include 目錄拷貝到 Microsoft Visual C++ Compiler for Python 2.7 的 include 目錄即可。要根據提示拷貝好幾個頭文件。然後就可以成功編譯瞭。
8）運行 python，然後 import mxnet 然後 (mxnet.nd.ones((2,2), mxnet.cpu())*100).asnumpy()然後 (mxnet.nd.ones((2,2), mxnet.gpu())*100).asnumpy() 如果全部成功，恭喜你，裝好瞭。
9）再下載 dmlc/mxnet，在 example 目錄 python train_mnist.py --network lenet 。會先下載測試數據，等下它，比較慢。看看是否成功訓練。
10）再測試 VC++ 的環境。下載 MXNet.cpp （不需要執行裡面的 setupenv.cmd），然後打開 windows 目錄下面的 vs 下面的 MxnetTestApp，運行試試。再試試裡面有句可以改成 Context ctx_dev(DeviceType::kGPU, 0); 會發現 GPU 確實比 CPU 快。
11）可以用 CPU-z 和 GPU-z 看你的 CPU 和 GPU 有沒有偷懶，是否是在全心全意工作。
2、Mac 的安裝
下面看 Mac 的安裝，我是 OSX 10.11。
這個安裝麻煩一些，因為首先下面有些下載過程可能要 export
ALL_PROXY= 代理地址 （否則很慢）。另外 pip 也要換國內源，git 也要加代理，homebrew 也可以改國內源。
然後有時會遇到權限問題，請 chown 一下。有時可能也要 sudo。
1）裝 XCode。最新 CUDA 已經兼容 XCode 8 瞭。
2）裝 CUDA 和 cuDNN。
3）裝 homebrew（百度搜索一下）。裝 python，建議 brew install pyenv 然後用它裝 anaconda2，防止破壞系統 python 版本：Mac OS X下安裝pyenv 。
註：如果發現 pyenv 下載文件奇慢無比，可以給 pyenv 加上 -v 看到找到下載路徑，然後手工下載，然後打開 /usr/local/bin/python-build 然後在 download_tarball() 函數裡面，直接把第一行改成 local package_url= http://127.0.0.1/Anaconda2-4.2.0-MacOSX-x86_64.sh 然後你自己開一個 http 服務器即可。
4）裝 MXNet： Installing MXNet on OS X (Mac) 按照 Standard installation 走。不要執行它的 Quick Installation 自動腳本，因為還會去重新裝 homebrew，非常慢。
5）按它說的編譯（非常慢）。在 config.mk 中加：
USE_BLAS = openblas
ADD_CFLAGS += -I/usr/local/opt/openblas/include
ADD_LDFLAGS += -L/usr/local/opt/openblas/lib
ADD_LDFLAGS += -L/usr/local/lib/graphviz/
USE_CUDA = 1
USE_CUDA_PATH = /usr/local/cuda
USE_CUDNN = 1
USE_NVRTC = 1
另外可能要 ln -s /usr/local/cuda/lib /usr/local/cuda/lib64 。有問題就 make clean 一iphone se價格下再試試。
6）檢查是否裝好：
cd example/image-classification/
python train_mnist.py
祝安裝成功！在下一篇我們會看看從棋譜提取訓練特征。
小作業：
1. 介紹圍棋基礎的純神經網絡走棋是開源的，請改它的代碼，做一個基本的圍棋界面，包括吃子、打劫、點目等等基本規則。
2. 請閱讀它的論文： http://jmlr.org/proceedings/papers/v37/clark15.pdf 。
3. 請做一個傻瓜版的 策略網絡，比如說會做眼，會吃子。可以參考 GnuGO 的 6. Move generation 。
4. 請做一個傻瓜版的 價值網絡，比如說可以用 棋子向外輻射影響 的方法。可以參考 GnuGO 的 13. Influence Function 和 Bouzy s 5/21 algorithm 。
雷鋒網特約稿件，未經授權禁止轉載。詳情見轉載須知。
平價手機推薦
【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U)拍攝技術【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U)怎麼拍才好看 【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U) 光源佈置【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U)心得分享價格比較【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U)PPT評價【KONKA康佳】5.5吋四核超薄美型智慧雙卡機(贈原廠皮套-W990U)機型推薦 您或許有興趣的東西:
- 下殺折扣【Ainmax 艾買氏】LED數位螢幕電子行李秤(出國旅行最佳幫手)心得
- 下殺折扣【小米】A1 5.5吋八核心智慧型手機好康分享
- 下殺折扣【小米】紅米 Note 4X 5.5吋八核心智慧型手機好康分享
AUGI SPORTS｜重機車靴｜重機車靴推薦｜重機專用車靴｜重機防摔鞋｜重機防摔鞋推薦｜重機防摔鞋
AUGI SPORTS｜augisports｜racing boots｜urban boots｜motorcycle boots
文章標籤
全站熱搜
留言列表
