Как да изтеглите, инсталирате и настроите Tensorflow на Windows и Linux

TensorFlow е платформа с отворен код, разработена от Google за машинно обучение и AI (изкуствен интелект). Помага при набор от задачи за разработчици, работещи в тази област.

Като за начало, трябва да имате разбиране за машинно обучение или, по-специално, дълбоко обучение, преди да можете да използвате TensorFlow.

Тук нека подчертая няколко неща за TensorFlow, неговите функции и бързи методи за инсталиране на Windows и Linux.

Съдържание

Общ преглед на TensorFlow

Технически TensorFlow е платформа с отворен код, която помага при приложения за дълбоко обучение и всякакви други случаи на използване на машинно обучение.

Това улеснява изграждането и внедряването на базирани на ML приложения. Ако искате да разрешите проблем с помощта на машинно обучение, можете да получите помощ с TensorFlow.

TensorFlow предоставя инструменти за подпомагане на разработването и обучението на модели с помощта на Python или JavaScript. Въпреки че не съм разработчик, можете да разгледате неговата документация, за да разберете как се отразява на работния ви процес на внедряване на приложение за машинно обучение.

Характеристики на TensorFlow

TensorFlow е известен по няколко причини и вие можете да оцените това сами, като знаете най-добрите му предложения за функции.

Ако започнем да обсъждаме техническите предимства, ще трябва да ги сравните с това, което правите. Така че ще се съсредоточим върху общи характеристики, полезни за повечето.

1. Отворен код

Google реши да отвори TensorFlow с отворен код през 2015 г., за да позволи на общността да го подобри допълнително и да осигури прозрачност за това как работи.

Разработчиците могат да персонализират библиотеката по различни начини за решаване на проблеми, които може да не сте очаквали.

Без рамка с отворен код може да не е толкова популярна, колкото е. Следователно

2. Лесно отстраняване на грешки

TensorFlow има за цел да ви помогне с лесно изграждане на модел; следователно безпроблемното отстраняване на грешки е част от този процес.

Какво е TTY в Linux? (и как да използвате командата tty)

Интуитивното потребителско изживяване е черешка отгоре.

3. Поддържа както CPU, така и GPU

С TensorFlow получавате възможността да тренирате изчислението на данни на CPU или GPU. Обикновено GPU прави нещата по-бързи за приложения за дълбоко обучение в сравнение с CPU.

Така че, ако имате мощен графичен процесор във вашия арсенал, TensorFlow може да ви помогне да извлечете максимума от него.

4. Полезни API за машинно обучение

API помагат на разработчиците да интегрират различни функции в своите приложения. А TensorFlow предоставя достъп до добра колекция от стабилни API.

Някои от тях могат да предложат и предимства в производителността. Според официалните му твърдения не би трябвало да имате проблем с наличните в Python. Ако работите с други езици, трябва да проверите с поддържащите TensorFlow доколко са добри за вашия случай на употреба.

5. Готови модели за производство

TensorFlow разполага с разнообразие от предварително обучени модели. Независимо дали сте професионалист или начинаещ, можете да ги използвате, за да спестите време и да изградите ML модели по-бързо.

В допълнение към тези функции получавате гъвкавост, лекота на използване, набор от инструменти за визуализация и други, които могат да подпомогнат вашия работен процес за разработка на машинно обучение.

След като вече имате добра представа за TensorFlow, къде можете да го изтеглите? Как да го инсталирате и настроите на вашите Windows и Linux системи?

Нека обсъдим това по-долу.

Изтегляне и инсталиране на TensorFlow

За разлика от други програми, тук не получавате .exe инсталационен файл. На първо място, ще трябва да изтеглите пакета, като използвате препоръчания мениджър на пакети.

Като цяло има различни начини за инсталиране. Можем да ги изброим, както следва:

Използване на Miniconda и pip
Използване на Miniconda и pip на WSL 2
Използване на Docker контейнер
Изграждане от източници

Как да инсталирате TensorFlow на Windows?

За разлика от други програми, тук не получавате .exe инсталационен файл. Ще трябва да изтеглите пакета, като използвате препоръчания мениджър на пакети.

#1. Използване на Miniconda и pip (препоръчителен метод)

Забележка: Към момента на писане на това, TensorFlow 2.10 е последната версия, която поддържа GPU на Windows (изначално). Ако работите с по-нови пакети, TensorFlow препоръчва да инсталирате TensorFlow в WSL 2, което ще бъде обсъдено по-нататък.

Ако искате да използвате TensorFlow с поддръжка на GPU, TensorFlow препоръчва да използвате Miniconda (инсталатор за мениджър на пакети conda), за да започнете нещата.

С Miniconda можете да създадете отделна среда, за да избегнете конфликт с друг софтуер във вашата система.

Как да промените честотата на опресняване за вашия дисплей в Windows 10

За да започнете, трябва да изтеглите най-новата версия на Miniconda Windows Installer и да следвате инструкциите на екрана, за да завършите инсталацията.

След като сте готови, трябва да стартирате подканата Miniconda, както е показано на екранната снимка:

Ето как изглежда:

След като видите прозореца за подкана на Anaconda, може да искате да въведете следната команда, за да се уверите, че мениджърът на пакети conda е актуализиран:

<strong>conda update -n base -c defaults conda</strong>

Като премахнете това, ето стъпките, които трябва да следвате, за да инсталирате TensorFlow:

Първо, за да създадете нова среда (с името tf):

<strong>conda create --name tf python=3.9 </strong>

Съвет: Можете да го активирате/деактивирате, като използвате командите: conda activate tf и conda deactivate

Ще трябва да го активирате, за да продължите по-нататък. За да активирате поддръжката на GPU в процеса, трябва да се уверите, че имате инсталиран графичен драйвер (NVIDIA GPU) и след това да инсталирате няколко пакета, като използвате следната команда:

<strong>conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0</strong>

Той изтегля около 1 гигабайта пакети, които включват инструменти, позволяващи ви да внедрявате приложения за машинно обучение с GPU и дълбока невронна мрежа.

И накрая, ще трябва да използвате мениджъра на пакети pip, за да инсталирате пакета TensorFlow. Можете да изберете да използвате conda за инсталиране на Tensorflow, но може да няма най-новата необходима стабилна версия.

Преди да продължите, уверете се, че pip е актуализиран с помощта на командата:

pip install --upgrade pip

След като сте готови, инсталирайте TensorFlow с:

<strong>pip install tensorflow</strong>

Ще забележите множество пакети, които се изграждат/инсталират. Може да изглежда като блокиран в процеса, но дайте му минута и той трябва да възобнови и завърши инсталацията.

#2. Използване на Conda и pip на WSL 2

Ако приемем, че вече имате настройка на WSL 2 на вашата система, можете да инсталирате TensorFlow, като използвате следните команди в терминала на дистрибуцията:

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'))"

Можете да го поставите наведнъж и той ще бъде обработен един по един.

В случай, че не сте инсталирали WSL 2 на Windows. Насочете се към командния ред с администраторски достъп и след това въведете следното:

wsl.exe --install

Трябва да изтегли Ubuntu и да активира функцията WSL за вашата система. Ще трябва да рестартирате компютъра си, за да завърши.

Контролирайте Groove и приложението Филми и телевизия от системната област в Windows

Ако не можете да намерите Ubuntu на вашата система, можете да отидете до Microsoft Store и да инсталирате Ubuntu WSL.

#3. Изграждане от източника

Като се има предвид, че TensorFlow е с отворен код, можете да го изградите от самото начало с вашите опции за конфигурация.

Следователно това се препоръчва за напреднали потребители, запознати с всички опции и които знаят гайките и болтовете за конфигуриране. Обърнете се към официалната документация, за да проучите повече за това.

Как да инсталирам TensorFlow на Linux?

Подобно на Windows, можете да инсталирате TensorFlow с помощта на Miniconda и pip на Linux. Или изберете да изграждате от източника.

Нека ви покажа как се прави:

#1. Използване на Miniconda и pip (препоръчителен метод)

Забележка: Следвайте същите команди като Windows. Единствената разлика е как инсталирате/изтегляте Miniconda на Linux.

Ето как да инсталирате Miniconda на Linux с помощта на терминала:

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

Рестартирайте терминала на вашата Linux дистрибуция, за да намерите нещо подобно:

Ще забележите (база) преди променливите за подкана на терминала. Това показва, че conda в момента е активна и инсталирана.

Не го деактивирайте, освен ако не сте приключили с инсталирането на TensorFlow.

Можете да преминете към стъпките, споменати по-горе за Windows, и да го инсталирате. Или поставете следното, за да инсталирате 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'))"

С Linux може да имате проблеми с драйвера на GPU. За целта трябва да погледнете документацията на NVIDIA, за да научите повече.

#2. Изградете от източника

Подобно на Windows, изграждането от изходния код е трудно за Linux и е предназначено само за напреднали потребители.

Вие (ако приемем, че сте начинаещ) не трябва да избирате този метод, освен ако нямате нещо конкретно предвид. Най-добрият начин да проучите повече за него е да се обърнете към документацията.

Как да инсталирате TensorFlow с помощта на Docker? (Windows и Linux)

Независимо от платформата, Docker ви позволява да инсталирате изображения на TensorFlow без проблеми.

Уверете се, че имате инсталиран Docker на вашата система или можете да следвате нашето ръководство за инсталиране на Docker за помощ.

След като приключите с настройката, трябва да въведете следната команда от Docker:

docker pull tensorflow/tensorflow

Имате нужда от опит с Docker контейнери, за да стартирате контейнер с необходимите конфигурации за вашата работа.

За конкретна поддръжка на GPU или изтегляне на различна версия на TensorFlow вижте наличните опции в официалната документация.

Ето как изглежда командата, когато искате да я стартирате с помощта на Docker:

docker run [-it] [--rm] [-p hostPort:containerPort] tensorflow/tensorflow[:tag] [command]

Заключение

Инсталирането на TensorFlow е еднократно нещо и с нашето ръководство би трябвало да е безпроблемен процес за повечето.

Ако вече сте имали предишни конфигурации или настройка с по-стари версии на Python или по-стар мениджър на пакети Conda. Не забравяйте да приложите най-новите актуализации, за да инсталирате TensorFlow безпроблемно.

Можете също така да изследвате най-добрите AI платформи за изграждане на AI и ML приложения.