Jak nainstalovat TensorFlow
V tomto článku o instalaci tensorflow bychom nejprve získali obecný přehled o TensorFlow a jeho použití v ekosystému Data Science a poté nainstalovali TensorFlow pro Windows.
Co je TensorFlow?
TensorFlow je softwarová aplikace, populární pro implementaci algoritmů strojového učení, zejména neuronových sítí. Byl vyvinut společností Google a uvolněn jako platforma s otevřeným zdrojovým kódem v roce 2015. Říká se tomu TensorFlow, protože bere vstup jako vícerozměrná pole, která jsou známá také jako Tensors. Mohli bychom sestavit vývojový diagram operací, které chceme na tomto vstupu provádět, tj. Data jedou na jednom konci a poté protékají tímto systémem operací a na druhém konci vystupují jako výstup. TensorFlow je oblíbený díky své extrémní všestrannosti. Mohlo by to být spuštěno na různých platformách, jako je stolní počítač nebo cloud nebo v mobilním zařízení. To vše lze provést pomocí jediného rozhraní API. Mohlo by to být vyškoleno na více strojích, a pak bychom to mohli spustit na jiném stroji. TensorFlow je velmi rychlý, protože je psán v C ++, ale lze k němu přistupovat a ovládat jej jinými jazyky, zejména Pythonem. Další skvělou vlastností TensorFlow je TensorBoard, který nám umožňuje graficky a vizuálně sledovat práci TensorFlow. Někdo, kdo má zájem o strojové učení, zejména neuronová síť, by se měl naučit TensorFlow.
Architektura grafu toku dat TensorFlow
Graf toku dat má dvě základní jednotky: Uzel představující matematickou operaci a hranu, která slouží vícerozměrnému poli známému jako tenzory. Tato abstrakce na vysoké úrovni tedy ukazuje, jak se data pohybují mezi operacemi. Jakmile je graf vytvořen, je zapsána vnitřní smyčka pro výpočet výpočtu. Vstupy jsou vedeny do uzlů pomocí proměnných nebo zástupných symbolů. V TensorFlow jsou výpočty spuštěny až po vytvoření relace.
Proč je TensorFlow preferován v Deep Learning? 
Hluboké učení je součástí strojového učení, které se učí funkce a úkoly přímo z dat. Mohou to být obrázky, text nebo zvuk. Často se označuje jako učení „end-to-end“. Neuronová síť je synonymem pro neurony v našem mozku. Ve výše uvedeném diagramu pocházejí data ze vstupní vrstvy a teče přes skryté vrstvy, kde jsou prováděny všechny výpočty, a poté přechází do výstupní vrstvy. Více skrytých hráčů z něj dělá hlubokou neuronovou síť, zatímco jedna vrstva tvoří mělkou neuronovou síť
- TensorFlow má širokou vestavěnou podporu pro Deep Learning a neuronové sítě, takže je snadné sestavit síť, přiřadit parametry a spustit tréninkový proces.
- Existují trénovatelné matematické funkce, které jsou užitečné pro neuronové sítě. Jakýkoli algoritmus strojového učení založený na gradientu bude těžit z automatické diferenciace a sady prvotřídních optimalizátorů TensorFlow.
- TensorFlow je díky své rozsáhlé sbírce flexibilních nástrojů kompatibilní s různými stroji.
- Hluboká neuronová síť zpracovává složitější chování, kde je každý vstup zpracováván aktivačními funkcemi, jako je hyperbolický tangent, logistické funkce atd. Výběr aktivační funkce ovlivňuje chování sítě a TensorFlow poskytuje kontrolu nad strukturou sítě.
- TensorFlow lze také použít při vytváření jednoduchých lineárních a nelineárních modelů.
Kroky k instalaci TensorFlow
Instalační část se bude skládat ze dvou částí: -
- Instalace Anaconda
- Nastavení TensorFlow pomocí Anaconda Prompt.
Část 1: Instalace systému Anaconda ve Windows
Anaconda je svazek některých populárních pythonových balíčků a má správce balíků nazvaný conda (podobný pipu). Některé z populárních balíčků anaconda jsou - numpy, scipy, Jupiter, nltk, scikit-learn atd. Pokud máte nainstalovaný Python ve vašem systému Windows, pak nainstalujte všechny tyto balíčky, musíte spustit pip, zatímco pokud instalujete anaconda, dostanete všechny tyto balíčky najednou.
Níže uvedené kroky ukazují, jak nainstalovat Anaconda na Windows. Python 3.7 nepodporuje TensorFlow, takže pro Python 3.6 použijeme Anaconda.
- Stáhněte si instalační program Anaconda pro Python 3.6 zde - https://drive.google.com/open?id=12BLpz3wzsyI0kFcMgv0SGPj__0op-JJs
- Po stažení instalačního programu na něj dvakrát klikněte a vyberte Další.
- V dalším okně klikněte na Souhlasím.
- Vyberte Všichni uživatelé a klikněte na Další.
- Vyberte umístění instalace podle vašeho uvážení a klikněte na tlačítko Další.
- V dalším okně zaškrtněte políčko „Registrovat Anacondu jako systém Python 3.6“ a klikněte na Instalovat.
- Probíhá instalace.
- Nechte instalaci pokračovat a po dokončení ji dokončete kliknutím na tlačítko Další. Potom přejděte do prostředí Proměnné prostředí v systému Windows a nastavte cestu.
- Klikněte na Nový a přidejte složku Skripty, kam jste nainstalovali Anaconda, a klikněte na OK.
- Nyní přejděte na Windows Search Bar a napište Anaconda Prompt. Poklepejte na aplikaci a zadejte conda –version pro potvrzení její instalace.
Část 2: Nastavení instalace TensorFlow pomocí Anaconda Prompt
- Přejděte na Anaconda Prompt a napište conda create -n myenv python = 3.6 a stiskněte Enter.
- Stiskněte klávesu Y a stiskněte klávesu Enter. To vytvoří samostatné prostředí nainstalovat TensorFlow
- Zadejte conda activ myenv a zadejte Enter, abyste se dostali do prostředí.
- Jakmile vstoupíte do prostředí, zadejte jeden po druhém
- nainstalovat jada
- conda instalace scipy
- pip install - upgrade tensorflow
- Po dokončení zadejte python a poté zadejte import tensorflow. Pokud tam není žádná chyba, pak je úspěšně TensorFlow instalace.
Praktické aplikace TensorFlow
Hluboké učení se objevilo v srdci téměř každého velkého výpočetního průlomu v posledních několika letech. Je to již v mnoha našich každodenních produktech, jako je Netflix a personalizovaná doporučení Amazonu, filtrování spamu a dokonce i naše interakce s osobními asistenty, jako jsou Apple Siri nebo Microsoft Cortana.
Tento výzkum však těží nejen z vědeckých aplikací. Lidé z jiných oborů také začínají zkoumat, jak lze hluboké učení použít v případech, jako je detekce objektů (jak je vidět na obrázku). Naučí počítač rozpoznávat objekt na obrázku a poté pomocí těchto znalostí řídit nová chování.
Nejnovější trendy TensorFlow
TensorFlow nedávno vydala svou verzi 1.12.0, ve které je několik hlavních vylepšení: -
- Model Keras lze přímo exportovat do formátu SavedModel a použít ho s pružinou TensorFlow.
- Binární soubory jsou vytvořeny s podporou XLA a modely Keras lze nyní vyhodnotit pomocí tf.data.Dataset.
- Přidán datový soubor Ignite k přispění / vznícení, který umožňuje práci s Apache Ignite.
Doporučené články
Toto byl návod, jak nainstalovat TensorFlow. Zde jsme probrali pokyny a různé kroky k instalaci TensorFlow. Další informace naleznete také v následujícím článku -
- Rozdíly TensorFlow vs Caffe
- Srovnání Tensorflow a Pytorch
- Kariéra v hlubokém učení
- PowerShell vs Python - rozdíly
- Úvod do hřiště TensorFlow