A TensorFlow telepítése
Ebben a telepített tensorflow cikkben először áttekintést kapunk a TensorFlowról és annak felhasználásáról az Data Science ökoszisztémában, majd telepítjük a TensorFlow for Windows rendszert.
Mi a TensorFlow?
A TensorFlow egy szoftver alkalmazás, népszerű a Machine Learning algoritmusok, különösen a neurális hálózatok megvalósításához. Ezt a Google fejlesztette ki, és 2015-ben nyílt forráskódú platformon adta ki. TensorFlow-nak hívják, mert többdimenziós tömbként veszi fel a bemeneteit, amelyeket Tenzoroknak is hívnak. Összeállíthatunk egy folyamatábrát, amelyet elvégeznénk azon a bemeneten, azaz az adatok bemennek az egyik végbe, majd átfolynak ezen a műveleti rendszeren, és a másik végén kimenetként jönnek ki. A TensorFlow rendkívüli sokoldalúsága miatt népszerű. Futtatható különféle platformon, például asztalon, felhőn vagy mobil eszközön. Mindezt egyetlen API-val lehet megtenni. Több gépen képezhető be, majd más gépen futtathatjuk. A TensorFlow nagyon gyors, mert C ++ nyelven íródott, de más nyelvekkel is elérhető, és főleg a Python. A TensorFlow másik nagyszerű tulajdonsága a TensorBoard, amely lehetővé teszi a TensorFlow grafikai és vizuális nyomon követését. Valaki, akit érdekel a gépi tanulás, különösen a neurális hálózat, tanulja meg a TensorFlow alkalmazást.
A TensorFlow adatáramlási grafikon architektúrája
Az adatáramlási grafikon két alapegységből áll: egy matematikai műveletet képviselő csomópontból és egy élből, amely egy tenzoroknak nevezett többdimenziós tömböt szolgál. Tehát ez a magas szintű absztrakció megmutatja, hogy az adatok hogyan mozognak a műveletek között. Miután a grafikon elkészült, beépül egy belső hurok a számítás elvégzéséhez. A bemenetek a csomópontokba változók vagy helyőrzők útján kerülnek bevezetésre. A TensorFlow rendszerben a számítások csak a munkamenet létrehozása után futnak.
Miért részesíti előnyben a TensorFlow a mély tanulásban? 
A Deep Learning egy olyan gépi tanulás része, amely funkciókat és feladatokat közvetlenül az adatokból tanul. Az adatok lehetnek képek, szöveg vagy hang. Ezt gyakran teljes körű tanulásnak nevezik. Egy idegi hálózat az agyunk neuronjainak szinonimája. A fenti ábrán az adatok a bemeneti rétegből származnak, és átrepülnek a rejtett rétegekbe, ahol az összes kiszámítást elvégzik, majd továbbadják a kimeneti réteghez. Több rejtett játékos teszi egy mély idegi hálózatot, míg egyrétegű sekély idegi hálózatot alkot
- A TensorFlow széles körű beépített támogatást nyújt a mélytanuláshoz és az ideghálózatokhoz, így könnyű a hálózat összeállítása, a paraméterek hozzárendelése és az edzési folyamat futtatása.
- Vannak olyan matematikai függvények, amelyek hasznosak a neurális hálózatokban. Bármely gradiens alapú gépi tanulási algoritmus előnyeit élvezheti a TensorFlow automatikus differenciálása és az első osztályú optimalizálók csomagja.
- A TensorFlow kompatibilis a különféle gépi tanulásokkal, rugalmas eszközök széles körének köszönhetően.
- A mély neurális hálózat bonyolultabb viselkedést kezel, ahol minden bemenetet olyan aktiválási funkciók dolgoznak fel, mint a hiperbolikus tangencia, a logisztikai funkció stb. Az aktiválási funkció kiválasztása befolyásolja a hálózat viselkedését, és a TensorFlow átveszi az irányítást a hálózat struktúrája felett.
- A TensorFlow felhasználható egyszerű lineáris és nemlineáris modellek felépítésére is.
A TensorFlow telepítésének lépései
A telepítési rész két részből áll: -
- Az Anaconda telepítése
- A TensorFlow beállítása az Anaconda Prompt használatával.
1. rész: Az Anaconda telepítése Windows rendszerre
Az Anaconda egy népszerû python csomag csomag, amely tartalmaz egy conda nevû csomagkezelõt (hasonlóan a pip-hez). Néhány népszerű anaconda-csomag - zsibbadt, scipy, Jupiter, nltk, scikit-learning stb. Ha a Python telepítve van a Windows-ban, akkor az összes csomag telepítéséhez pip-et kell futtatnia, míg ha anaconda-t telepít, mindezeket a csomagokat egyszerre kaphatja meg.
Az alábbiakban bemutatjuk, hogyan telepíthető az Anaconda Windows-ra. A Python 3.7 nem támogatja a TensorFlow-ot, ezért az Anacondat fogjuk használni a Python 3.6-hoz.
- Töltse le az Anaconda for Python 3.6 telepítőjét innen - https://drive.google.com/open?id=12BLpz3wzsyI0kFcMgv0SGPj__0op-JJ
- Miután letöltötte a telepítőt, kattintson rá duplán, majd válassza a Tovább lehetőséget.
- A következő ablakban kattintson az Elfogadom elemre.
- Válassza az Összes felhasználó elemet, majd kattintson a Tovább gombra.
- Válassza ki a Telepítés helyét, amikor megfelelőnek tartja, majd kattintson a Tovább gombra.
- A következő ablakban jelölje be az 'Anaconda regisztrálása Python 3.6 rendszerként' négyzetet, majd kattintson a Telepítés gombra.
- A telepítés folyamatban van.
- Hagyja folytatni a telepítést, és a befejezés után kattintson a Tovább gombra a befejezéshez. Ezután lépjen a környezeti változók ablakaiba az út beállításához.
- Kattintson az Új elemre, és adja hozzá a Scripts mappát, ahová az Anaconda telepítette, majd kattintson az OK gombra.
- Most nyissa meg a Windows keresősávot, és írja be az Anaconda Prompt parancsot. Kattintson duplán az alkalmazásra, és írja be a conda –version verziót a telepítés megerősítéséhez.
2. rész: A TensorFlow telepítése az Anaconda Prompt használatával
- Lépjen az Anaconda Prompt elembe, írja be a conda create -n myenv python = 3.6 parancsot, és nyomja meg az enter billentyűt.
- Nyomja meg a Y billentyűt, és nyomja meg az Enter billentyűt. Ez külön környezeti telepítést hoz létre a TensorFlow-hoz
- Írja be a conda activ myenv parancsot, és írja be az Enter billentyűt a környezetbe való belépéshez.
- A környezetbe kerülése után adja meg egyenként a következőt
- conda install jupyter
- conda install scipy
- pip install - frissített tensorflow
- Ha kész, gépelje be a python-ot, majd írja be az import tensorflow-t. Ha nincs hiba, akkor a TensorFlow telepítése sikeres.
A TensorFlow gyakorlati alkalmazása
A mély tanulás az utóbbi néhány évben szinte minden jelentős számítástechnikai áttörés középpontjában jelent meg. Ez már sok olyan napi termékünkben megtalálható, mint például a Netflix és az Amazon személyre szabott ajánlásai, a spamszűrés és még az olyan személyes asszisztensekkel való kapcsolattartásunk, mint az Apple Siri vagy a Microsoft Cortana.
Ugyanakkor nemcsak a tudományos alkalmazások részesülnek előnyben ebben a kutatásban. Más tudományágak emberei szintén megkezdik annak feltárását, hogy a mély tanulást hogyan lehetne használni olyan esetekben, mint például az objektumdetektálás (amint a képen látható). Azt megtanítja a számítógépre, hogy felismerje a képen lévő tárgyat, majd ezt az információt használja új viselkedésmód kialakításához.
A TensorFlow legújabb trendei
A TensorFlow nemrégiben kiadta 1.12.0 verzióját, amelyben néhány fő fejlesztés a következő:
- A Keras modell közvetlenül exportálható a SavedModel formátumba és használható a TensorFlow rugóval.
- A bináris fájlokat XLA támogatással építik fel, és a Keras modelleket most már a tf.data.Dataset segítségével lehet kiértékelni.
- Az Ignite adatkészlet hozzáadva a hozzájáruláshoz / gyújtáshoz, amely lehetővé teszi az Apache Ignite használatát.
Ajánlott cikkek
Ez egy útmutató a TensorFlow telepítéséhez. Itt tárgyaltuk az utasításokat és a TensorFlow telepítésének különféle lépéseit. A következő cikkben további információkat is megnézhet -
- A TensorFlow és a Caffe különbségei
- A Tensorflow és a Pytorch összehasonlítása
- Karrier a mély tanulásban
- PowerShell vs Python - különbségek
- Bevezetés a TensorFlow játszótérbe