Jak zainstalować TensorFlow
W tym artykule o instalacji tensorflow najpierw uzyskamy ogólny przegląd TensorFlow i jego wykorzystania w ekosystemie Data Science, a następnie zainstalujemy TensorFlow dla Windows.
Co to jest TensorFlow?
TensorFlow to aplikacja popularna do wdrażania algorytmów uczenia maszynowego, w szczególności sieci neuronowych. Został opracowany przez Google i wydany jako platforma typu open source w 2015 roku. Nazywa się TensorFlow, ponieważ pobiera dane wejściowe jako tablice wielowymiarowe, znane również jako Tensory. Moglibyśmy zbudować schemat działań, które chcemy wykonać na tym wejściu, tzn. Dane wchodzą z jednego końca, a następnie przepływają przez ten system operacji i wychodzą z drugiego końca jako dane wyjściowe. TensorFlow jest popularny ze względu na jego ekstremalną wszechstronność. Może być uruchamiany na różnych platformach, takich jak komputer, chmura lub urządzenie mobilne. Wszystko to można zrobić za pomocą jednego interfejsu API. Można by go szkolić na wielu komputerach, a następnie możemy uruchomić go na innym komputerze. TensorFlow jest bardzo szybki, ponieważ jest napisany w C ++, ale można do niego uzyskać dostęp i kontrolować za pomocą innych języków, głównie Python. Kolejną wielką cechą TensorFlow jest TensorBoard, który pozwala nam monitorować graficznie i wizualnie pracę TensorFlow. Ktoś zainteresowany uczeniem maszynowym, zwłaszcza siecią neuronową, powinien nauczyć się TensorFlow.
Architektura wykresu przepływu danych TensorFlow
Wykres przepływu danych ma dwie podstawowe jednostki: Węzeł reprezentujący operację matematyczną oraz krawędź, która obsługuje tablicę wielowymiarową zwaną tensorami. Tak więc abstrakcja wysokiego poziomu pokazuje, w jaki sposób dane przepływają między operacjami. Po utworzeniu wykresu zapisywana jest wewnętrzna pętla, która steruje obliczeniami. Dane wejściowe są podawane do węzłów za pomocą zmiennych lub symboli zastępczych. W TensorFlow obliczenia są uruchamiane dopiero po utworzeniu sesji.
Dlaczego TensorFlow jest preferowany w Deep Learning? 
Głębokie uczenie się jest częścią uczenia maszynowego, która uczy się funkcji i zadań bezpośrednio z danych. Dane mogą być obrazami, tekstem lub dźwiękiem. Często nazywane jest uczeniem się od końca do końca. Sieć neuronowa jest synonimem neuronów w naszym mózgu. Na powyższym diagramie dane pochodzą z warstwy wejściowej i przepływają przez ukryte warstwy, w których wykonywane są wszystkie obliczenia, a następnie przekazywane do warstwy wyjściowej. Wiele ukrytych graczy tworzy głęboką sieć neuronową, podczas gdy pojedyncza warstwa tworzy płytką sieć neuronową
- TensorFlow ma szerokie wbudowane wsparcie dla głębokiego uczenia i sieci neuronowych, więc łatwo jest złożyć sieć, przypisać parametry i uruchomić proces szkolenia.
- Istnieją możliwe do wyuczenia funkcje matematyczne przydatne w sieciach neuronowych. Każdy algorytm uczenia maszynowego oparty na gradientach skorzysta z automatycznego różnicowania TensorFlow i zestawu optymalizatorów najwyższej jakości.
- TensorFlow jest kompatybilny z różnymi uczeniami maszynowymi ze względu na bogatą kolekcję elastycznych narzędzi.
- Głęboka sieć neuronowa obsługuje bardziej złożone zachowanie, w którym każde wejście jest przetwarzane przez funkcje aktywacyjne, takie jak styczna hiperboliczna, funkcja logistyczna itp. Wybór funkcji aktywacji wpływa na zachowanie sieci, a TensorFlow daje kontrolę nad strukturą sieci.
- TensorFlow można również wykorzystać do budowy prostych modeli liniowych i nieliniowych.
Kroki, aby zainstalować TensorFlow
Część instalacyjna będzie się składać z dwóch części:
- Instalowanie Anakondy
- Konfigurowanie TensorFlow za pomocą Anaconda Prompt.
Część 1: Zainstaluj Anaconda w systemie Windows
Anaconda to pakiet popularnych pakietów Pythona i ma menedżera pakietów o nazwie conda (podobny do pip). Niektóre z popularnych pakietów anakondy to - numpy, scipy, Jupiter, nltk, scikit-learn itp. Jeśli masz zainstalowany Python w swoim systemie Windows, to aby zainstalować wszystkie te pakiety, musisz uruchomić pip, a jeśli zainstalujesz anaconda, wszystkie te paczki dostajesz za jednym strzałem.
Poniższe kroki ilustrują sposób instalacji Anacondy na Windowsie. Python 3.7 nie obsługuje TensorFlow, więc użyjemy Anaconda dla Python 3.6.
- Pobierz instalator Anaconda dla Python 3.6 tutaj - https://drive.google.com/open?id=12BLpz3wzsyI0kFcMgv0SGPj__0op-JJs
- Po pobraniu instalatora kliknij go dwukrotnie i wybierz Dalej.
- Kliknij przycisk Zgadzam się w następnym oknie.
- Wybierz Wszyscy użytkownicy i kliknij Dalej.
- Wybierz opcję Instaluj lokalizację według własnego uznania i kliknij przycisk Dalej.
- W następnym oknie zaznacz pole „Zarejestruj Anacondę jako systemowego Pythona 3.6” i kliknij Zainstaluj.
- Trwa instalacja.
- Pozwól na kontynuowanie instalacji, a po zakończeniu kliknij przycisk Dalej, aby ją zakończyć. Następnie przejdź do Zmienne środowiskowe w systemie Windows, aby ustawić ścieżkę.
- Kliknij Nowy i dodaj folder Skrypty, w którym zainstalowałeś Anacondę, i kliknij Ok.
- Teraz przejdź do paska wyszukiwania systemu Windows i wpisz Anaconda Prompt. Kliknij dwukrotnie aplikację i wpisz conda –version, aby potwierdzić jej instalację.
Część 2: Konfigurowanie instalacji TensorFlow za pomocą Anaconda Prompt
- Idź do Anaconda Prompt i wpisz conda create -n myenv python = 3.6 i naciśnij enter.
- Naciśnij Y i naciśnij Enter. Stworzy osobne środowisko instalujące TensorFlow
- Wpisz conda aktywuj myenv i wpisz Enter, aby wejść do środowiska.
- Po przejściu do środowiska wprowadź kolejno następujące po sobie
- conda zainstaluj jupyter
- conda zainstaluj scipy
- instalacja pip - aktualizacja tensorflow
- Po zakończeniu wpisz Python, a następnie wpisz import tensorflow. Jeśli nie ma błędu, oznacza to, że instalacja TensorFlow powiodła się.
Praktyczne zastosowania TensorFlow
Głębokie uczenie się pojawiło się w sercu prawie każdego przełomu obliczeniowego w ciągu ostatnich kilku lat. Jest już w wielu naszych codziennych produktach, takich jak Netflix i spersonalizowane rekomendacje Amazon, filtrowanie spamu, a nawet nasza interakcja z osobistymi asystentami, takimi jak Apple Siri lub Microsoft Cortana.
Jednak nie tylko aplikacje naukowe korzystają z tych badań. Ludzie z innych dyscyplin również zaczynają odkrywać, w jaki sposób można zastosować głębokie uczenie się w przypadkach takich jak wykrywanie obiektów (jak pokazano na obrazku). Uczy komputer rozpoznawania obiektu na zdjęciu, a następnie wykorzystuje tę wiedzę do kierowania nowymi zachowaniami.
Najnowsze trendy TensorFlow
TensorFlow wydał niedawno swoją wersję 1.12.0, w której kilka głównych ulepszeń to:
- Model Keras można eksportować bezpośrednio do formatu SavedModel i używać ze sprężyną TensorFlow.
- Pliki binarne są budowane z obsługą XLA, a modele Keras można teraz oceniać za pomocą tf.data.Dataset.
- Ignite Zestaw danych dodany do contrib / ignite, który umożliwia pracę z Apache Ignite.
Polecane artykuły
To był przewodnik na temat instalacji TensorFlow Tutaj omówiliśmy instrukcje i różne kroki, aby zainstalować TensorFlow. Możesz także spojrzeć na następujący artykuł, aby dowiedzieć się więcej -
- Różnice między TensorFlow a Caffe
- Porównanie Tensorflow i Pytorch
- Kariera w głębokim nauczaniu
- PowerShell vs Python - Różnice
- Wprowadzenie do placu zabaw TensorFlow