Bloqué pour utiliser la librairie TSNE CUDA sur Google Colab ? Vous trouverez ici un tutoriel étape par étape pour s’en servir !
Il m’a fallut pas mal de temps pour trouver comment utiliser TSNE CUDA sur Colab.
Et souvent il suffit d’une petite ligne de code qui agira comme une formule magique.
Pour TSNE Cuda, vous trouverez la solution dans cet article !
Les dépendances
Premièrement, la base, installer la librairie tsnecuda :
!pip install tsnecuda
Ensuite, on aura besoin d’utiliser conda pour ce tutoriel !
L’installation sur Google Colab est singulière. Elle a été détaillée dans cet article.
Le code en question :
!pip install -q condacolab
import condacolab
condacolab.install()
Finalement on installe les dépendances à tsnecuda :
!wget https://anaconda.org/CannyLab/tsnecuda/2.1.0/download/linux-64/tsnecuda-2.1.0-cuda101.tar.bz2
!tar xvjf tsnecuda-2.1.0-cuda101.tar.bz2
!cp -r site-packages/* /usr/local/lib/python3.7/dist-packages/
Grâce à elles on évite l’erreur redondante : ‘ImportError: libcublas.so.9.0’
Finalement, une dernière dépendance nous permet d’utiliser cuda avec tsnecuda :
Au fait, si ton objectif est d'apprendre le Deep Learning - j’ai préparé pour toi le Plan d’action pour Maîtriser les Réseaux de neurones.
7 jours de conseils gratuits d’un ingénieur spécialisé en Intelligence Artificielle pour apprendre à maîtriser les réseaux de neurones à partir de zéro :
- Planifie ton apprentissage
- Structure tes projets
- Développe tes algorithmes d’Intelligence Artificielle
J’ai basé ce programme sur des faits scientifiques, des approches éprouvées par des chercheurs mais également mes propres techniques que j'ai conçues au fil de mes expériences dans le domaine du Deep Learning.
Pour y accéder, clique ici :
À présent, on peut revenir à ce que je mentionnais précédemment.
!conda install --offline tsnecuda-2.1.0-cuda101.tar.bz2
Et voilà ! Nous sommes…
… Prêt à utiliser TSNE CUDA sur Colab !
Importez simplement la librairie tsnecuda :
import tsnecuda
Puis tester si ça fonctionne avec ce court code :
from tsnecuda import TSNE as TSNE_CUDA
tsne_cuda = TSNE_CUDA(n_components=2, verbose=0)
Si vous n’avez pas d’erreur c’est que vous êtes bon pour créer des schémas TSNE !
D’ailleurs, on décrit dans un prochain article un cas d’usage concret pour la visualisation TSNE de phrases.
Encore des problèmes même après ce tutoriel ? N’hésitez pas à en parler dans les commentaires, nous mettons régulièrement à jour nos articles 😉
sources :
- tsnecuda-benchmark on Colab
- Fangda Han’s article on Medium
- Photo by Toa Heftiba on Unsplash
Un dernier mot, si tu veux aller plus loin et apprendre le Deep Learning - j’ai préparé pour toi le Plan d’action pour Maîtriser les Réseaux de neurones.
7 jours de conseils gratuits d’un ingénieur spécialisé en Intelligence Artificielle pour apprendre à maîtriser les réseaux de neurones à partir de zéro :
- Planifie ton apprentissage
- Structure tes projets
- Développe tes algorithmes d’Intelligence Artificielle
J’ai basé ce programme sur des faits scientifiques, des approches éprouvées par des chercheurs mais également mes propres techniques que j'ai conçues au fil de mes expériences dans le domaine du Deep Learning.
Pour y accéder, clique ici :