TensorFlow to platforma typu open source opracowana przez Google dla uczenia maszynowego i sztucznej inteligencji (sztucznej inteligencji). Pomaga w szeregu zadań dla programistów pracujących w tej dziedzinie.
Na początek, zanim zaczniesz korzystać z TensorFlow, musisz rozumieć uczenie maszynowe lub, w szczególności, głębokie uczenie.
W tym miejscu chciałbym podkreślić kilka rzeczy na temat TensorFlow, jego funkcji i szybkich metod instalacji w systemach Windows i Linux.
Spis treści:
Przegląd TensorFlow
Technicznie rzecz biorąc, TensorFlow to platforma typu open source, która pomaga w aplikacjach do głębokiego uczenia się i innych przypadkach użycia uczenia maszynowego.
Ułatwia tworzenie i wdrażanie aplikacji opartych na ML. Jeśli chcesz rozwiązać problem za pomocą uczenia maszynowego, możesz skorzystać z pomocy TensorFlow.
TensorFlow zapewnia narzędzia, które pomagają tworzyć i trenować modele przy użyciu języka Python lub JavaScript. Chociaż nie jestem programistą, możesz zapoznać się z jego dokumentacją, aby dowiedzieć się, jak wpływa na przepływ pracy podczas wdrażania aplikacji uczenia maszynowego.
Cechy TensorFlow
TensorFlow słynie z kilku powodów i możesz to ocenić samodzielnie, znając jego najlepsze funkcje.
Jeśli omówimy korzyści techniczne, będziesz musiał je porównać z tym, co robisz. Dlatego skupimy się na wspólnych funkcjach, które są korzystne dla większości.
1. Otwarte źródło
Google zdecydowało się na open-source TensorFlow w 2015 roku, aby umożliwić społeczności dalsze ulepszanie go i zapewnienie przejrzystości jego działania.
Deweloperzy mogą dostosować bibliotekę na różne sposoby, aby rozwiązać problemy, których mogłeś się nie spodziewać.
Bez frameworka open source może nie być tak popularny, jak jest. Stąd
2. Łatwe debugowanie
TensorFlow ma na celu pomóc w łatwym tworzeniu modeli; dlatego bezproblemowe debugowanie jest częścią tego procesu.
Wisienką na torcie jest intuicyjny interfejs użytkownika.
3. Obsługuje zarówno procesory, jak i karty graficzne
Dzięki TensorFlow masz możliwość trenowania obliczeń danych na CPU lub GPU. Zwykle GPU przyspiesza działanie aplikacji do głębokiego uczenia się w porównaniu z procesorem.
Jeśli więc masz potężny procesor graficzny w swoim arsenale, TensorFlow może pomóc Ci w pełni go wykorzystać.
4. Przydatne interfejsy API uczenia maszynowego
Interfejsy API pomagają programistom integrować różne funkcje w swoich aplikacjach. A TensorFlow zapewnia dostęp do dobrej kolekcji stabilnych interfejsów API.
Niektóre z nich mogą również oferować korzyści w zakresie wydajności. Zgodnie z jego oficjalnymi twierdzeniami, nie powinieneś mieć problemu z tymi dostępnymi w Pythonie. Jeśli pracujesz z innymi językami, musisz sprawdzić u opiekunów TensorFlow, czy są one dobre dla Twojego przypadku użycia.
5. Gotowe modele do produkcji
TensorFlow zawiera wiele wstępnie wytrenowanych modeli. Niezależnie od tego, czy jesteś profesjonalistą, czy nowicjuszem, możesz ich użyć, aby zaoszczędzić czas i szybciej budować modele ML.
Oprócz tych funkcji zyskujesz elastyczność, łatwość obsługi, zestaw narzędzi do wizualizacji i nie tylko, które mogą wspomóc przepływ pracy w zakresie programowania uczenia maszynowego.
Skoro masz już dobry pomysł na temat TensorFlow, gdzie możesz go pobrać? Jak go zainstalować i skonfigurować w systemach Windows i Linux?
Omówmy to poniżej.
Pobieranie i instalowanie TensorFlow
W przeciwieństwie do innych programów, nie otrzymasz tutaj pliku instalacyjnego .exe. Przede wszystkim będziesz musiał pobrać pakiet za pomocą zalecanego menedżera pakietów.
Ogólnie istnieją różne sposoby instalacji. Możemy je wymienić w następujący sposób:
- Korzystanie z Minicondy i pip
- Korzystanie z Minicondy i pip na WSL 2
- Korzystanie z kontenera Docker
- Budowanie ze źródeł
Jak zainstalować TensorFlow w systemie Windows?
W przeciwieństwie do innych programów, nie otrzymasz tutaj pliku instalacyjnego .exe. Będziesz musiał pobrać pakiet za pomocą zalecanego menedżera pakietów.
#1. Korzystanie z Minicondy i pip (metoda zalecana)
Uwaga: W chwili pisania tego tekstu TensorFlow 2.10 jest ostatnią wersją obsługującą GPU w systemie Windows (natywnie). Jeśli pracujesz z nowszymi pakietami, TensorFlow zaleca zainstalowanie TensorFlow w WSL 2, co zostanie omówione dalej.
Jeśli chcesz używać TensorFlow z obsługą GPU, TensorFlow zaleca użycie Minicondy (instalatora menedżera pakietów conda), aby rozpocząć.
Dzięki Minicondzie możesz stworzyć oddzielne środowisko, aby uniknąć konfliktu z jakimkolwiek innym oprogramowaniem w twoim systemie.
Aby rozpocząć, musisz pobrać najnowszy instalator Miniconda Windows Installer i postępować zgodnie z instrukcjami wyświetlanymi na ekranie, aby zakończyć instalację.
Po zakończeniu musisz uruchomić monit Miniconda, jak pokazano na zrzucie ekranu:
Oto jak to wygląda:
Po wyświetleniu okna zachęty Anacondy możesz wpisać następujące polecenie, aby upewnić się, że menedżer pakietów conda został zaktualizowany:
<strong>conda update -n base -c defaults conda</strong>
Pomijając to, oto kroki, które musisz wykonać, aby zainstalować TensorFlow:
Po pierwsze, aby stworzyć nowe środowisko (o nazwie tf):
<strong>conda create --name tf python=3.9 </strong>
Wskazówka: możesz go aktywować/dezaktywować za pomocą poleceń: conda aktywuj tf i conda dezaktywuj
Będziesz musiał go aktywować, aby przejść dalej. Aby włączyć obsługę GPU w tym procesie, upewnij się, że masz zainstalowany sterownik graficzny (GPU NVIDIA), a następnie zainstaluj kilka pakietów za pomocą następującego polecenia:
<strong>conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0</strong>
Pobiera około 1 gigabajtów pakietów, które zawierają narzędzia umożliwiające wdrażanie aplikacji uczenia maszynowego z procesorem graficznym i głęboką siecią neuronową.
Na koniec będziesz musiał użyć menedżera pakietów pip, aby zainstalować pakiet TensorFlow. Możesz użyć conda do zainstalowania Tensorflow, ale może nie mieć najnowszej potrzebnej stabilnej wersji.
Przed kontynuowaniem upewnij się, że pip został zaktualizowany za pomocą polecenia:
pip install --upgrade pip
Po zakończeniu zainstaluj TensorFlow za pomocą:
<strong>pip install tensorflow</strong>
Zauważysz, że budowane/instalowane są liczne pakiety. Może wydawać się, że utknął w procesie, ale daj mu minutę, a powinien wznowić i zakończyć instalację.
#2. Używanie Condy i pip na WSL 2
Zakładając, że masz już konfigurację WSL 2 w swoim systemie, możesz zainstalować TensorFlow za pomocą następujących poleceń w terminalu dystrybucji:
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Możesz wkleić to wszystko na raz, a będą przetwarzane jeden po drugim.
W przypadku, gdy nie zainstalowałeś WSL 2 w systemie Windows. Przejdź do wiersza polecenia z dostępem administratora, a następnie wpisz następujące polecenie:
wsl.exe --install
Powinien pobrać Ubuntu i włączyć funkcję WSL dla twojego systemu. Aby to zakończyć, musisz ponownie uruchomić komputer.
Jeśli nie możesz znaleźć Ubuntu w swoim systemie, możesz przejść do Microsoft Store i zainstalować Ubuntu WSL.
#3. Zbuduj ze źródła
Biorąc pod uwagę, że TensorFlow jest oprogramowaniem typu open source, możesz go zbudować od podstaw za pomocą opcji konfiguracyjnych.
Dlatego jest to zalecane dla zaawansowanych użytkowników, którzy znają wszystkie opcje i znają nakrętki i śruby do skonfigurowania. Zapoznaj się z oficjalną dokumentacją, aby dowiedzieć się więcej na ten temat.
Jak zainstalować TensorFlow w systemie Linux?
Podobnie jak Windows, możesz zainstalować TensorFlow za pomocą Minicondy i pip w systemie Linux. Lub wybierz budowanie ze źródła.
Pokażę ci, jak to się robi:
#1. Korzystanie z Minicondy i pip (metoda zalecana)
Uwaga: postępuj zgodnie z tymi samymi poleceniami, co w systemie Windows. Jedyną różnicą jest sposób instalacji/pobierania Minicondy w systemie Linux.
Oto jak zainstalować Minicondę w systemie Linux za pomocą terminala:
curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -o Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh
Uruchom ponownie terminal w swojej dystrybucji Linuksa, aby znaleźć coś takiego:
Zauważysz (podstawę) przed zmiennymi zachęty terminala. Oznacza to, że conda jest aktualnie aktywny i zainstalowany.
Nie dezaktywuj go, chyba że skończysz z instalacją TensorFlow.
Możesz przejść do kroków wymienionych powyżej dla systemu Windows i zainstalować go. Lub wklej poniższy kod, aby zainstalować TensorFlow:
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
W systemie Linux mogą wystąpić problemy ze sterownikiem GPU. W tym celu powinieneś zajrzeć do dokumentacji NVIDIA, aby dowiedzieć się więcej.
#2. Zbuduj ze źródła
Podobnie jak Windows, budowanie z kodu źródłowego jest trudne w Linuksie i jest przeznaczone wyłącznie dla zaawansowanych użytkowników.
Ty (zakładając, że jesteś początkującym) nie powinieneś wybierać tej metody, chyba że masz coś konkretnego na myśli. Najlepszym sposobem, aby dowiedzieć się więcej na ten temat, jest zapoznanie się z dokumentacją.
Jak zainstalować TensorFlow za pomocą Dockera? (Windows i Linux)
Bez względu na platformę Docker umożliwia bezproblemową instalację obrazów TensorFlow.
Upewnij się, że masz zainstalowany Docker w swoim systemie lub możesz skorzystać z naszego przewodnika instalacji Docker, aby uzyskać pomoc.
Po zakończeniu konfiguracji musisz wprowadzić następujące polecenie z poziomu Dockera:
docker pull tensorflow/tensorflow
Potrzebujesz wiedzy na temat kontenerów Docker, aby uruchomić kontener z wymaganymi konfiguracjami do pracy.
Aby uzyskać konkretną obsługę GPU lub pobrać inną wersję TensorFlow, zapoznaj się z opcjami dostępnymi w oficjalnej dokumentacji.
Oto jak wygląda polecenie, gdy chcesz je uruchomić za pomocą Dockera:
docker run [-it] [--rm] [-p hostPort:containerPort] tensorflow/tensorflow[:tag] [command]
Wniosek
Instalacja TensorFlow jest jednorazowa, a dzięki naszemu przewodnikowi dla większości powinna to być bezproblemowa procedura.
Jeśli masz już wcześniejsze konfiguracje lub ustawienia ze starszymi wersjami Pythona lub starszym menedżerem pakietów Conda. Upewnij się, że stosujesz najnowsze aktualizacje, aby bezproblemowo zainstalować TensorFlow.
Możesz także zapoznać się z najlepszymi platformami AI do tworzenia aplikacji AI i ML.