One place for hosting & domains

      TensorFlow

      Installieren von TensorFlow unter Ubuntu 20.04


      Einführung

      TensorFlow ist eine Open-Source-Softwarebibliothek für maschinelles Lernen, die dem Trainieren neuronaler Netze dient. Jeder Knoten im Graph (ausgedrückt in Form von stateful dataflow graphs) stellt die Operationen dar, die von neuronalen Netzen in multidimensionalen Arrays ausgeführt werden. Diese multidimensionalen Arrays werden im Allgemeinen als „Tensoren“ bezeichnet (daher der Name TensorFlow).

      In diesem Tutorial installieren Sie TensorFlow mit virtualenv in einer virtuellen Python-Umgebung. Dieser Ansatz sorgt für eine Isolierung der TensorFlow-Installation und schnelle Inbetriebnahme. Nachdem Sie die Installation abgeschlossen haben, werden Sie sie durch Importieren von Tensorflow validieren, um sicherzustellen, dass keine Fehler vorliegen.

      Voraussetzungen

      Bevor Sie mit diesem Tutorial beginnen, benötigen Sie Folgendes:

      Schritt 1 — Einrichten einer Programmierumgebung

      In diesem Schritt richten wir eine virtuelle Umgebung ein, um TensorFlow darin zu installieren, ohne unsere anderen Programmierprojekte zu beeinträchtigen. Wenn Sie bereits über eine saubere Programmierumgebung verfügen, können Sie diesen Schritt überspringen.

      Erstellen Sie zunächst ein Projektverzeichnis. Wir werden es für Demonstrationszwecke tf-demo nennen; Sie können jedoch einen anderen Verzeichnisnamen wählen, der sinnvoll für Sie ist:

      Navigieren Sie zu Ihrem neu erstellten Verzeichnis namens tf-demo:

      Erstellen Sie dann beispielsweise eine neue virtuelle Umgebung namens tensorflow-dev. Führen Sie den folgenden Befehl aus, um Ihre Umgebung zu erstellen:

      • python3 -m venv tensorflow-dev

      Dadurch wird ein neues Verzeichnis namens tensorflow-dev erstellt, das alle von Ihnen installierten Pakete enthalten wird, während diese Umgebung aktiviert wird. Dazu gehören auch pip und eine eigenständige Version von Python.

      Aktivieren Sie nun Ihre virtuelle Umgebung:

      • source tensorflow-dev/bin/activate

      Nach der Aktivierung wird Ihre Terminal-Eingabeaufforderung widerspiegeln, dass Sie sich in der virtuellen Umgebung befinden:

      (tensorflow-dev)username@hostname:~/tf-demo $
      

      Nun können Sie TensorFlow in Ihrer virtuellen Umgebung installieren.

      Schritt 2 — Installieren von TensorFlow

      Bei der Installation von TensorFlow wollen wir sicherstellen, dass wir die neueste in PyPi verfügbare Version installieren.

      Daher verwenden wir die folgende Befehlssyntax mit pip:

      • pip install --upgrade tensorflow

      Sobald Sie die Eingabetaste drücken, wird TensorFlow installiert; Sie sollten eine Ausgabe erhalten, die meldet, dass die Installation zusammen mit allen abhängigen Paketen erfolgreich war.

      Output

      ... Successfully installed absl-py-0.7.1 astor-0.7.1 gast-0.2.2 grpcio-1.19.0 h5py-2.9.0 keras-applications-1.0.7 keras-preprocessing-1.0.9 markdown-3.0.1 mock-2.0.0 numpy-1.16.2 pbr-5.1.3 protobuf-3.7.0 setuptools-40.8.0 tensorboard-1.13.1 tensorflow-1.13.1 tensorflow-estimator-1.13.0 termcolor-1.1.0 werkzeug-0.15.0 wheel-0.33.1 ... Successfully installed bleach-1.5.0 enum34-1.1.6 html5lib-0.9999999 markdown-2.6.9 numpy-1.13.3 protobuf-3.5.0.post1 setuptools-38.2.3 six-1.11.0 tensorflow-1.4.0 tensorflow-tensorboard-0.4.0rc3 werkzeug-0.12.2 wheel-0.30.0

      Anmerkung: Sie können Ihre virtuelle Umgebung jederzeit deaktivieren, indem Sie folgenden Befehl ausführen:

      Um die Umgebung später zu reaktivieren, navigieren Sie zu Ihrem Projektverzeichnis und führen Sie source tensorflow-dev/bin/activate aus.

      Nachdem Sie TensorFlow installiert haben, vergewissern wir uns nun, dass die TensorFlow-Installation funktioniert.

      Schritt 3 — Validieren der Installation

      Um die Installation von TensorFlow zu validieren, stellen wir sicher, dass wir das TensorFlow-Paket importieren können.

      In Ihrem Terminal wird die folgende Eingabeaufforderung angezeigt:

      >>>
      

      Dies ist die Eingabeaufforderung des Python-Interpreters; sie gibt an, dass Sie mit der Eingabe von Python-Befehlen beginnen können.

      Geben Sie zunächst diese Zeile ein, um das TensorFlow-Paket zu importieren und als lokale Variable tf verfügbar zu machen. Drücken Sie nach Eingabe der Codezeile die Eingabetaste:

      Wenn Sie keine Fehler erhalten, haben Sie TensorFlow erfolgreich installiert. Wenn Sie einen Fehler erhalten, sollten Sie sicherstellen, dass Ihr Server genug Leistung für die Verwaltung von TensorFlow bietet. Möglicherweise müssen Sie Ihren Server neu bemessen und dafür sorgen, dass er mindestens 4 GB Arbeitsspeicher hat.

      Zusammenfassung

      In diesem Tutorial haben Sie TensorFlow in einer virtuellen Python-Umgebung installiert und durch Importieren des TensorFlow-Pakets überprüft, ob TensorFlow funktioniert.

      Der Leitfaden für Programmierer von TensorFlow dient als nützliche Ressource und Referenz für die TensorFlow-Entwicklung. Außerdem können Sie sich Kaggle, eine kompetitive Umgebung zur praktischen Anwendung von maschinellen Lernkonzepten, ansehen, in der Sie gegen andere Fans von maschinellem Lernen, Datenwissenschaft und Statistik antreten können.



      Source link

      Cómo instalar TensorFlow en Ubuntu 20.04


      Introducción

      TensorFlow, una biblioteca de software de aprendizaje automático de código abierto, se utiliza para entrenar redes neurales. Cada nodo, expresado en forma de gráficos de flujo de datos con estado, representa las operaciones realizadas por redes neurales en matrices multidimensionales. Estas matrices multidimensionales se denominan comúnmente “tensores”, de ahí el nombre de TensorFlow.

      En este tutorial, instalará TensorFlow en un entorno virtual Python con virtualenv. Este enfoque aísla la instalación de TensorFlow y pone las cosas en funcionamiento rápidamente. Una vez que complete la instalación, la validará importando TensorFlow para garantizar que no tenga errores.

      Requisitos previos

      Antes de empezar este tutorial, necesitará lo siguiente:

      Paso 1: Crear un entorno de programación

      En este paso, crearemos un entorno virtual en el que instalar TensorFlow sin comprometer nuestros otros proyectos de programación. Si ya tiene un entorno de programación limpio, puede omitir este paso.

      Primero, cree un directorio de proyecto. Lo llamaremos tf-demo a efectos de demostración, pero elija un nombre de directorio que le resulte significativo:

      Diríjase a su directorio tf-demo que creó recientemente:

      A continuación, cree un entorno virtual nuevo llamado tensorflow-dev, por ejemplo. Ejecute el siguiente comando para crear el entorno:

      • python3 -m venv tensorflow-dev

      Esto crea un directorio nuevo tensorflow-dev que contendrá todos los paquetes que instale mientras esté activado este entorno. También incluye pip y una versión independiente de Python.

      Ahora active su entorno virtual:

      • source tensorflow-dev/bin/activate

      Una vez activado, su mensaje de terminal reflejará que está en el entorno virtual:

      (tensorflow-dev)username@hostname:~/tf-demo $
      

      En este punto, puede instalar TensorFlow en su entorno virtual.

      Paso 2: Instalar TensorFlow

      Al instalar TensorFlow, queremos asegurarnos de que estamos instalando y actualizando la versión más reciente disponible en PyPi.

      Por tanto, utilizaremos la siguiente sintaxis de comandos con pip:

      • pip install --upgrade tensorflow

      Cuando presione ENTER, se instalará TensorFlow, y debería recibir un resultado que indica que la instalación junto con cualquier paquete dependiente tuvo éxito.

      Output

      ... Successfully installed absl-py-0.7.1 astor-0.7.1 gast-0.2.2 grpcio-1.19.0 h5py-2.9.0 keras-applications-1.0.7 keras-preprocessing-1.0.9 markdown-3.0.1 mock-2.0.0 numpy-1.16.2 pbr-5.1.3 protobuf-3.7.0 setuptools-40.8.0 tensorboard-1.13.1 tensorflow-1.13.1 tensorflow-estimator-1.13.0 termcolor-1.1.0 werkzeug-0.15.0 wheel-0.33.1 ... Successfully installed bleach-1.5.0 enum34-1.1.6 html5lib-0.9999999 markdown-2.6.9 numpy-1.13.3 protobuf-3.5.0.post1 setuptools-38.2.3 six-1.11.0 tensorflow-1.4.0 tensorflow-tensorboard-0.4.0rc3 werkzeug-0.12.2 wheel-0.30.0

      Puede desactivar su entorno virtual en cualquier momento utilizando el siguiente comando:

      Para reactivar el entorno más adelante, diríjase a su directorio de proyecto y ejecute source tensorflow-dev/bin/activate.

      Ahora que ha instalado TensorFlow, vamos a asegurarnos que la instalación funciona.

      Paso 3: Validar la instalación

      Para validar la instalación de TensorFlow, nos aseguraremos de que podamos importar el paquete TensorFlow.

      El siguiente mensaje aparecerá en su terminal:

      >>>
      

      Este es el mensaje para el intérprete de Python e indica que está listo para comenzar a introducir algunas instrucciones de Python.

      Primero, escriba esta línea para importar el paquete TensorFlow y vuélvala disponible como la variable local tf. Pulse ENTER después de escribir la línea de código:

      Mientras no haya recibido errores, ha instalado TensorFlow correctamente. Si ha recibido un error, debería asegurarse de que su servidor es lo suficientemente potente para manejar TensorFlow. Es posible que necesite cambiar el tamaño de su servidor y asegurarse de tener al menos 4 GB de memoria.

      Conclusión

      En este tutorial, ha instalado TensorFlow en un entorno virtual Python y ha validado que TensorFlow funciona al importarlo.

      La guía de programadores de TensorFlow proporciona un recurso y una referencia útiles para el desarrollo de TensorFlow. También puede explorar Kaggle, un entorno competitivo para la aplicación práctica de conceptos de aprendizaje automático que le enfrentan a otros entusiastas del aprendizaje automático, la ciencia de datos y las estadísticas.



      Source link

      Comment installer TensorFlow sur Ubuntu 20.04


      Introduction

      TensorFlow est une bibliothèque de logiciels d’apprentissage automatique open-source, utilisée pour former des réseaux neuronaux. Exprimé sous la forme de graphiques de flux de données dynamiques, chaque nœud du graphique représente les opérations effectuées par les réseaux neuronaux sur des tableaux multidimensionnels. Ces tableaux multidimensionnels sont communément appelés “tensors”, d’où le nom de TensorFlow.

      Dans ce tutoriel, vous allez installer TensorFlow dans un environnement virtuel Python avec virtualenv. Cette approche permet d’isoler l’installation TensorFlow et de mettre rapidement les choses en place. Une fois l’installation terminée, vous la validerez en important Tensorflow pour vous assurer qu’il n’y a pas d’erreurs.

      Conditions préalables

      Avant de commencer ce tutoriel, vous aurez besoin des éléments suivants :

      Étape 1 — Création d’un environnement de programmation

      Au cours de cette étape, nous allons créer un environnement virtuel afin d’y installer TensorFlow sans compromettre nos autres projets de programmation. Si vous avez configuré un environnement de programmation propre, n’hésitez pas à sauter cette étape.

      Tout d’abord, créez un répertoire de projets. Nous l’appellerons tf-demo à des fins de démonstration, mais choisissez un nom de répertoire qui soit significatif pour vous :

      Naviguez vers votre répertoire tf-demo nouvellement créé :

      Créez ensuite un nouvel environnement virtuel appelé tensorflow-dev, par exemple. Exécutez la commande suivante pour créer l’environnement :

      • python3 -m venv tensorflow-dev

      Cette action entraine la création d’un nouveau répertoire tensorflow-dev qui contiendra tous les paquets que vous installez lorsque cet environnement est activé. Il comprend également pip et une version autonome de Python.

      Activez maintenant votre environnement virtuel :

      • source tensorflow-dev/bin/activate

      Une fois activé, l’invite de votre terminal indiquera que vous êtes dans l’environnement virtuel :

      (tensorflow-dev)username@hostname:~/tf-demo $
      

      À ce stade, vous pouvez installer TensorFlow dans votre environnement virtuel.

      Étape 2 — Installation de TensorFlow

      Lors de l’installation de TensorFlow, nous voulons nous assurer que nous installons et mettons à jour la dernière version disponible dans PyPi.

      Par conséquent, nous utiliserons la commande syntax suivante avec pip :

      • pip install --upgrade tensorflow

      Dès lors que vous aurez appuyé sur ENTER (ENTRÉE), TensorFlow s’installera, et vous devriez recevoir un message indiquant que son installation, ainsi que celles de tous les paquets dépendants, ont réussi.

      Output

      ... Successfully installed absl-py-0.7.1 astor-0.7.1 gast-0.2.2 grpcio-1.19.0 h5py-2.9.0 keras-applications-1.0.7 keras-preprocessing-1.0.9 markdown-3.0.1 mock-2.0.0 numpy-1.16.2 pbr-5.1.3 protobuf-3.7.0 setuptools-40.8.0 tensorboard-1.13.1 tensorflow-1.13.1 tensorflow-estimator-1.13.0 termcolor-1.1.0 werkzeug-0.15.0 wheel-0.33.1 ... Successfully installed bleach-1.5.0 enum34-1.1.6 html5lib-0.9999999 markdown-2.6.9 numpy-1.13.3 protobuf-3.5.0.post1 setuptools-38.2.3 six-1.11.0 tensorflow-1.4.0 tensorflow-tensorboard-0.4.0rc3 werkzeug-0.12.2 wheel-0.30.0

      Vous pouvez désactiver votre environnement virtuel à tout moment en utilisant la commande suivante :

      Pour réactiver l’environnement plus tard, naviguez dans le répertoire de votre projet et exécutez le source tensorflow-dev/bin/activate.

      Maintenant que vous avez installé TensorFlow, assurons-nous que l’installation de TensorFlow fonctionne.

      Étape 3 — Validation de l’installation

      Pour valider l’installation de TensorFlow, nous allons nous assurer que nous pouvons importer le paquet TensorFlow.

      L’invite suivante apparaîtra sur votre terminal :

      >>>
      

      C’est l’invite de l’interpréteur Python, et il indique qu’il est prêt à ce que vous commenciez à entrer quelques instructions Python.

      Tout d’abord, tapez cette ligne pour importer le paquet TensorFlow et le rendre disponible comme variable locale tf. Appuyez sur ENTER après avoir tapé dans la ligne de code :

      Tant que vous n’avez reçu aucune erreur, vous avez installé TensorFlow avec succès. Si vous avez reçu un message d’erreur, vous devez vous assurer que votre serveur est suffisamment puissant pour gérer TensorFlow. Vous devrez peut-être redimensionner votre serveur, en vous assurant qu’il dispose d’au moins 4 Go de mémoire.

      Conclusion

      Dans ce tutoriel, vous avez installé TensorFlow dans un environnement virtuel Python et validé que TensorFlow fonctionne en l’important.

      Le guide du programmeur de TensorFlow constitue une ressource et une référence utile pour le développement de TensorFlow. Vous pouvez également explorer Kaggle, un environnement compétitif pour l’application pratique des concepts d’apprentissage machine qui vous met en concurrence avec d’autres passionnés d’apprentissage machine, de science des données et de statistiques.



      Source link