讲真的, 在撰写这篇文章以前, 我迟疑了好长一段时间。缘由在于, “AI搭建”这四个字听起来仿佛是只有身着格子衫的极客才能够触碰的事物。然而, 你相不相信呀, 像我这样连都写得不太顺畅的人, 竟然也捣鼓出了一个能够使用的AI小工具?
嗯...这事得从头说起。
搭建AI到底难不难?
先说结论:难,也没那么难。
难究竟处于何处? 难就难在你必须得弄明白你实际上究竟是要去做些什么。在市面上存在的那些教程, 一开始就会让你进行配置环境, 接着去安装驱动, 随后还要运行模型, 然而之后倘若你在最开端的那一步就遭遇到阻碍于是选择放弃了。这并非是属于你的问题, 而是教程本身所具备的问题。
要谈起踩坑的经历, 我多到超乎你所能想象的程度。首次进行尝试彼时, 我对CUDA究竟是什么都完全处于不知晓的状态, 就在那儿毫无目的地折腾了足足三天, 最终才发觉我的显卡就连运行一个基础模型都显得颇为费劲。那种让人感到挫败的情绪, 真真切切的, 简直想将电脑给砸了。
但从另一个不同角度去思考, 要是你仅仅是打算去感受一番AI, 那着实是根本没有必要从最开始就着手去打造轮子。当下是存在着许多已然现成的工具以及平台的, 这情形就如同乐高积木这种东西似的, 你唯一所需去着手做的便是将它们拼凑起来便可以了。
怎么选择适合自己的搭建方式?
诚实地讲, 当初对于这个问题, 我困扰思索了相当长的一段时间。而后, 我察觉到, 实际上仅仅存在三种情形:
第一种:纯玩票性质
若是你只是单纯想要尝试一下AI是否具有趣味性, 那就别去进行过多繁杂的思考, 可直接接入云服务。任何有关配置方面的事情都不用去忧虑, 只需注册账号便能够投入使用。尽管其所具备的自由度较低, 然而好在能够让人感到省心。
第二种:想认真搞点东西
碰到我这样的, 打算弄些个性化的应用, 这种情况下就得思考本地部署的事情了。别急着在开篇就动脑筋琢磨跑大模型这条路, 要先从起步阶段的小模型着手, 像是某种呈现简便轻盈之姿的图像识别或者文本分类模型这般的。
第三种:专业玩家
假设你已然身处AI公司工作, 或者正筹备着开启创业之旅, 在此情景下, 很抱歉地讲, 我必须称呼你为大佬。然而。关于这当中相关程度的内容, 我有可能提供不了诸多助力, 毕竟, 我自身也仅仅是个水平欠佳的人罢了。
需要准备哪些硬件?
呐...关于这个问题给我发言权是最合适不过的, 毕竟我在硬件方面所耗费的金钱, 是足以购买一台并且还可留存剩余的!
第一呢是显卡, 真的喔, 要是你计划去运行深度学习模型, 显卡那可是没办法避开的一道关隘, 并非一定得去买最贵的那种, 然而最起码得有个还像样子的, 我刚开始的时候用笔记本去运行, 结果风扇转动起来就如同直升机一样, 最终直接给烧坏了。
随即便是内存, 可别觉得16G便足够了, 等到你着手运行模型之际方才会晓得, 内存始终是不够用的, 我当下拥有32G, 仅是勉勉强强能够用而已。
要用硬盘吗? 固态那可是绝对必需的。别来追究我是凭借什么知晓的, 在用那机械硬盘运行AI的人, 现如今都正在各自暗暗地流泪呢。
但是, 要是你仅仅是运用云服务, 那么这些硬件方面的问题, 全部一概不存在。这便是为何我提议新手首先从云服务起步的原因所在。
搭建的具体步骤是什么?
行, 假定你已确定要于本地构建, 那么我给予你一个最为基本的流程。
第一步, 进行系统安装, 首选的是, 不要询问缘由, 如果这么问, 那是由于其存在的问题较少。我最初使用的是,可没想到出现了各类兼容性方面的问题, 烦扰程度简直已到极致。
第二步骤, 为设备安装驱动程序。其中, 显卡驱动程序、CUDA以及cuDNN, 这三项内容必须全部配备齐全。在进行配置版本操作时, 务必仔细查看, 倘若版本出现不匹配的情况发生, 那后续将会面临一系列的问题和阻碍, 全都是麻烦难搞之处。
其三步骤, 展开环境的安装操作。推荐采用, 于环境隔离方面表现出色出色。早期我并不明晰, 将全部包皆安装于系统环境之中, 最终致使版本冲突状况浮现, 彼时内心满是绝望之感, 仿若连想死的念头都萌生了。
第四步, 要去安装深度学习框架。究竟是选择, 还是? 我最终选定了, 这是由于其社区比较活跃, 一旦出现问题, 便能够较为容易地寻找到相应答案。
第五步,去下载模型。别存有从头开始训练之心, 只要你未有几十万的预算。直接利用预训练模型, 进行微调便是足够你运用的了。
遇到报错怎么办?
这个问题我必须单独拿出来说,因为我当初差点被报错搞疯。
你去寻思寻思, 你费尽心力配了两天时光的环境, 好不容易实现运行了, 可是屏幕之上忽然惊现一大片呈红色的报错提示。那般感觉嘞, 恰似你煞费苦心筹备一周的演讲内容, 然而登台讲出第一句话时却瞬间忘掉要说的词了。
先查看报错信息, 别慌乱, 这是我的个人经验, 百分之八十的报错情况是版本不匹配且路径不正确, 前往上搜索一番, 基本上都能够找到答案。
倘若确确实实没办法解决, 那就前往Stack 去询问。然而要注意, 提出问题也是得有技巧的, 得将你的报错信息, 环境配置, 操作步骤讲述得明明白白, 可别寄希望于别人能凭借读心术替你解决问题哟。
有没有更简单的方案?
当然有。我之前不是说了吗,云服务是真香。
你可别总这般认为, 觉得借助云服务这一过程便是在偷懒行径。事实上, 好多从事人工智能业务的公司都在运用云服务, 它们所呈现出的状况并不比自行去搭建差出多少。仅仅存在的那唯一的不同之处在于, 云服务在每个月都需要支出经费。
然而算一下这笔账, 若是要自己去搭建, 那显卡就得花费好几千, 而且每个月的电费数量也不少, 另外还要加上你自身所投入的时间成本之费用。要是你仅仅只是玩玩而已, 那么实际来说是真的没必要去这样做的。
之前我构建了个头不大的项目, 将其放置于云端, 每月花费仅仅几十块钱, 虽说运行速度较为缓慢、比较迟缓, 然而好在能够让人心里踏实、少些操心、较为省心。
搭建完之后能干什么?
不错的问题。我目睹过大量不少人, 兢兢业业精心搭建好环境, 执行了一次典型范例, 接着却是不清楚应做些什么事情了。
我所给出的建议也就是, 首先去寻觅一个你自己感兴趣的方向, 比如说倘若你对摄影怀有喜好之情, 那么就进行一项图片风格迁移的操作, 要是你对写作有着喜爱之意, 那就开展制作一个文案生成器的行为, 千万不要去想着一下子就把所有的事情都给完成做好, 需要先从一个具体的点着手去进行。
那属于我的首个项目, 是一款简易的文本摘要工具。虽说它做得并不美观, 然而当我目睹它能够正常运行之时, 真真切切地, 那种所产生的成就感, 要比中了彩票还要令人畅快。
最后说几句
这篇文章写得有点长,能看到这里的人,都是真爱了。
事实上, 构建AI这个事情, 讲难吧实则并非特别难, 讲简单呢又并非十分简单。重要的是, 你得怀揣着一颗热衷于折腾的心。在我身旁, 那些钻研AI且成果出色的人, 无一不是遭受过报错的百般折磨, 历经反反复复不下无数回啊。
然而恰恰是这个进程, 使得你逐渐领会了AI的原理, 领会了那些看上去高深莫测的技术, 实际上也就只是一连串数学公式连同数据处理罢了。
那么, 要是你真心想要学习 , 那就别害怕去踩到陷阱。每一回的陷阱 , 都是你迈向成长的层级。
大不了就重装系统嘛,又不是没干过。