PyTorch ile Derin Öğrenmeye Giriş: Kurulum
4 Şubat 2017 Cumartesi günü Pytorch ile Derin Öğrenmeye Giriş adlı bir etkinlik yapacağız. Hem bu etkinliğe katılacaklar için hem de PyTorch’u kurmak isteyenler için bir rehber hazırladık.
Adım 0. İşletim Sistemi:
Bir çok Derin Öğrenme kütüphanesi gibi PyTorch da MacOS (Os X) ve Linux’u destekliyor. Windows desteği ise ne yazık ki henüz yok. Bu etkinliğe katılmanıza engel değil. Sadece dinleyerek de faydalanabilirsiniz. Ancak mutlaka Windows yüklü makinede çalışmanız gerekiyorsa yine de seçenekleriniz yok değil.
- Sanal makine: Ücretsiz VirtualBox gibi bir sanal makine ve Ubuntu gibi bir Linux dağıtımı kurmak bir çözüm olabilir. Böyle bir kurulumda GPU hızlandırması kullanma şansınız olmuyor ama yağacağımız eğitim için yeterli.
2. Docker (belki): Eğer Docker konusunda bilgiliyseniz Docker kullanabilme imkanınız da olabilir. https://github.com/pytorch/pytorch#docker-image linkinde bazı talimatlar verilmiş ve CUDA destekli Dockerfile var ancak nvidia-docker Windows desteklemiyor ve CUDA’sız Windows’ta çalışıp çalışmadığını bilmiyorum.
Adım 1. Anaconda ile Python kurulumu
Python kurulumu için her ne kadar doğrudan python.org adresine giderek en son python sürümünü indirmek bir çözüm olsa da biz Conda ile gelen Python dağıtımını tercih edeceğiz.
Bunun için önümüzde iki seçenek var. Anaconda veya Miniconda. Her ikisi de sisteminize Python ve paket yöneticisi conda’yı yüklüyor. Anaconda’da Miniconda’dan farklı olarak 100'den fazla bilimsel hesaplama kütüphanesi ve gerekli paketler hazır yükleniyor. Dolayısıyla bilgisayarınıza Matlab benzeri ancak açık kaynaklı projelere dayanan bir hesaplama platformu kurmuş oluyorsunuz.
Anaconda kurulumu için https://www.continuum.io/downloads adresine gidip sahip olduğunuz sistem için gerekli dosyayı indirmeniz ve talimatları izlemeniz yeterli. MacOS için grafik kurulum arayüzü çıkacak. Yaklaşık 420 MB’lık bir indirme işlemi yapmanız gerekecek ve 3 GB’lık disk alanı kullanacak.
Burada Python 2.7 veya Python 3.6 sürümlerinden birini seçebilirsiniz. Biz etkinlikte 2.7 sürümünü kullanacağız ancak yeni başlıyorsanız direkt 3.6'dan başlamanız daha mantıklı. Python 3 aktif olarak geliştiriliyor ve Python 2 ile arasında ufak tefek farklar bulunabiliyor.
Eğer Anaconda’yı tamamen kurmak istemiyorsanız Miniconda’yı da kurabilirsiniz. Yapacağımız çalışma için fazlasıyla yeterli. Bu yaklaşık 45 MB’lık bir dosya ve 400 MB disk alanı kullanıyor. İstediğiniz paketleri conda install komutuyla sonradan kendiniz yükleyebiliyorsunuz. (Python’un kendi paket yöneticisi pip’ten farklı olarak conda bu kütüphanelerin binary hallerini yüklediği için biraz daha hızlı)
Eğer her şeyi doğru yaptıysanız konsola (Terminal) girip python yazdığınızda karşınızda interaktif Python yorumlayıcısı başlamalı ve Anaconda kullandığınızı belirten aşağıdakine benzer bir ekran çıkmalı:
Ozguns-MacBook-Air:~ ozgun$ pythonPython 2.7.12 |Anaconda custom (x86_64)| (default, Jul 2 2016, 17:43:17)[GCC 4.2.1 (Based on Apple Inc. build 5658) (LLVM build 2336.11.00)] on darwinType “help”, “copyright”, “credits” or “license” for more information.Anaconda is brought to you by Continuum Analytics.Please check out: http://continuum.io/thanks and https://anaconda.org>>>
Adım 1.1 Anaconda virtual environment tanımı (Opsiyonel)
Edit: Emrah Budur’un yorumlarda yazdığı ek adımı da ekliyorum.
Farklı projelerde kullanılan python paketlerinin farklı sürümleri çakışmaması için tüm Anaconda altyapısı ‘virtual environment’ adı altında replike edilebiliyor. Bu aynı zamanda denemelerinizi daha steril bir sandbox ortamında yapmanızı sağlıyor. Dilerseniz pytorch ile ilgili denemelerinizi bu eğitime özel bir virtual environment içerisinde yapabilirsiniz.
Bunun için öncelikle aşağıdaki komut ile ‘pytorch’ isminde bir virtual environment tanımlıyoruz. Bu ismi dilediğiniz gibi belirleyebilirsiniz ancak daha sonraki adımlarda belirlediğiniz isim ile ilerlemeniz gerekecektir. Diğer yandan eğitimde python 2.7 sürümünü kullanacağımız için parametre olarak 2.7 verdik. Eğer siz çalışmalarınızda python 3.5 sürümü kullanacaksanız bu parametreye python=3.5 verebilirsiniz.
conda create -n pytorch python=2.7 anacondaDaha sonra size anaconda içerisindeki kütüphaneleri download edip kurmak için onay isteyecektir.
xlsxwriter: 0.9.6-py27_0
xlwings: 0.10.2-py27_0
xlwt: 1.2.0-py27_0
xz: 5.2.2–1
yaml: 0.1.6–0
zlib: 1.2.8–3
Proceed ([y]/n)? yKurulum tamamlandıktan sonra aşağıdaki gibi bir mesaj çıkacaktır.
[ COMPLETE ]|################################################################################| 100%
# To activate this environment, use:
# > source activate pytorch
#
# To deactivate this environment, use:
# > source deactivate pytorch
#Aşağıdaki komut ile yeni kurduğumuz sanal ortama girip çalışmalarımızı bu ortamda yapmaya başlayabiliriz.
source activate pytorchOrtamdan çıkmak istediğimizde aşağıdaki komutu kullanabiliriz.
source deactivate pytorchÇalışmanız bittikten sonra sanal ortamınızı bilgisayarınızdan kaldırmak isterseniz aşağıdaki komutu kullanabilirsiniz.
conda remove -n pytorch --allAdım 2. Jupyter Notebook Kurulumu
Jupyter (eski adıyla IPython Notebook) tarayıcı içinde kod çalıştırmanızı, grafikler çizmenizi, yazı ve resim eklemenizi sağlayan oldukça popüler bir araç. PyCharm gibi ayrı bir IDE veya metin editörü kullanmak yerine Jupyter notebook üzerinde örneklerimizi yapacağız.
Eğer Anaconda kurduysanız Jupyter zaten kurulu geliyor ve başka bir şey yapmanızaa gerek yok. Miniconda kurduysanız yeni bir konsol açıp komut satırına:
conda install jupyteryazarak kurulumu gerçekleştirebilirsiniz. Eğer farklı bir Python kurulumunuz varsa pip kullanarak da kurabilirsiniz.
Python 3 için:
pip3 install --upgrade pip
pip3 install jupyterPython 2 için:
pip install --upgrade pip
pip install jupyterAdım 3. CUDA kurulumu (Opsiyonel):
Not: Mac bilgisayarların çoğu CUDA desteklemiyor. Ancak destekleyen bir bilgisayarınız varsa yine aynı talimatlarla CUDA’yı kurabilirsiniz. Fakat sonraki adımda Pytorch’u kendiniz build etmeniz gerekecek.
Her ne kadar etkinlikte ihtiyaç duymayacak olsak da Derin Öğrenme üzerine çalışanlar günümüzde grafik işlemcilerin (GPU) gücünü yoğun olarak kullanıyorlar. Böylece bilgisayarınızdaki normal işlemcilere (CPU) oranla çok ciddi bir hız avantajı elde edilebiliyor.
Ne yazık ki bu özellik her grafik kartı için geçerli değil. Nvidia ve Nvidia’ya özel olan CUDA teknolojisi bu konuda açık ara standart haline gelmiş durumda. CUDA destekli bir grafik kartınız varsa (üst düzey oyun kartları uygun olabilir) bu aşamada CUDA’yı kurmak isteyebilirsiniz. Bu kurulum sisteminize bağlı olarak sizi birazcık uğraştırabilir. Talimatları iyi okumanızı tavsiye ediyorum. Aşağıdaki iki linkte aradığınız her şeyi bulabilirsiniz.
CudNN: CUDA’dan ayrı olarak kurmanız gereken bir de CudNN adlı kütüphane var. Nvidia’nın Deep Learning işlemleri için geliştirdiği bu kütüphane de ciddi hız avantajı sağlıyor. Nvidia sitesine üye olduktan sonra bunu indirebilir ve kurabilirsiniz. Genel olarak CUDA kurulum klasörünüze kopyalamanız yeterli oluyor.
Adım 4. PyTorch Kurulumu:
Diğer bazı deep learning kütüphanelerine kıyasla Pytorch’un oldukça basit bir kurulumu var diyebiliriz. Yukarıdaki adımları tamamladıysanız gerekli her şey elimizde var demektir.
PyTorch anasayfasında sisteminize göre nasıl kurulum yapacağınızı anlatan basit bir arayüz var. Buradan işletim sistemimizi ve Python versiyonumuzu seçiyoruz. Package Manager için conda’yıı seçeceğiz. Eğer Adım 3'te gerekli kurulumu yaptıysanız CUDA için sahip olduğunuz versiyonu seçebilirsiniz. Yoksa None seçeceğiz. Ve aşağıda Run This Command yazılı alandaki komutu konsola girerek kurulumu başlatabileceğiz. Bu komut büyük ihtimalle şöyle olacak:
conda install pytorch torchvision -c soumithAdım 5. Test:
Son adım olarak doğru bir kurulum yapıp yapmadığımızı test edelim. Yeni bir konsol açıyoruz ve jupyter notebook’u başlatıyoruz.
jupyter notebookBu komut tarayıcımızı otomatik açarak localhost üzerinden servis edilen jupyter’e bağlanacak ve bulunduğumuz dizini listeleyecek. Burada yeni bir notebook (defter) yaratmak için New menüsüne basıyoruz ve Python dilini seçiyoruz (birden fazla varsa conda yazanı seçin).
Yeni bir tabda boş bir notebook sayfası açılacak. Buradaki her bir cell’e kod yazıp çalıştırabiliriz. İlk cell’e import torch yazarak PyTorch’u impot edelim ve çalıştırmak için Shift+Enter tuşlarına basalım.
Eğer hiçbir hata mesajı çıkmadan sonraki cell’e geçtiyse kurulumumuz tamam demektir.
Sorularınız olursa yorumlarda sorabilirsiniz.
