Installa TensorFlow - Semplici passi per installare TensorFlow

Sommario:

Anonim

Come installare TensorFlow

In questo articolo sull'installazione di tensorflow, avremmo prima una panoramica generale di TensorFlow e del suo utilizzo nell'ecosistema Data Science, quindi installeremo TensorFlow per Windows.

Che cos'è TensorFlow?

TensorFlow è un'applicazione software, popolare per l'implementazione di algoritmi di Machine Learning in particolare reti neurali. È stato sviluppato da Google e rilasciato come piattaforma open source nel 2015. Si chiama TensorFlow perché accetta input come array multidimensionali noti anche come Tensori. Potremmo costruire un diagramma di flusso di operazioni che vogliamo eseguire su quell'input, cioè i dati entrano da un lato e poi fluiscono attraverso questo sistema di operazioni e ne escono dall'altro come output. TensorFlow è popolare per la sua estrema versatilità. Potrebbe essere eseguito su piattaforme diverse come desktop, cloud o in un dispositivo mobile. Tutto ciò potrebbe essere fatto utilizzando un'unica API. Potrebbe essere addestrato su più macchine e quindi eseguirlo su una macchina diversa. TensorFlow è molto veloce perché è scritto in C ++, ma è accessibile e controllato da altre lingue, principalmente Python. Un'altra grande caratteristica di TensorFlow è TensorBoard che ci consente di monitorare graficamente e visivamente il lavoro di un TensorFlow. Qualcuno che è interessato all'apprendimento automatico, in particolare alla rete neurale, dovrebbe imparare TensorFlow.

Architettura del grafico del flusso di dati di TensorFlow

Un grafico del flusso di dati ha due unità di base: un nodo che rappresenta un'operazione matematica e un bordo che serve un array multidimensionale noto come tensori. Quindi, questa astrazione di alto livello mostra come i dati scorrono tra le operazioni. Una volta creato il grafico, viene scritto un loop interno per guidare il calcolo. Gli input vengono inseriti nei nodi tramite variabili o segnaposto. In TensorFlow, i calcoli vengono eseguiti solo dopo la creazione della sessione.

Perché TensorFlow è preferito nel Deep Learning?

Il deep learning è una parte del machine learning che apprende funzionalità e attività direttamente dai dati. I dati potrebbero essere immagini, testo o suono. Viene spesso definito apprendimento end-to-end. Una rete neurale è sinonimo di neuroni nel nostro cervello. Nel diagramma sopra, i dati provengono dal livello di input e fluiscono attraverso i livelli nascosti in cui vengono eseguiti tutti i calcoli e quindi passano al livello di output. Più giocatori nascosti ne fanno una rete neurale profonda, mentre un singolo strato forma una rete neurale poco profonda

  • TensorFlow ha un ampio supporto integrato per Deep Learning e reti neurali, quindi è facile assemblare rete, assegnare parametri ed eseguire il processo di formazione.
  • Esistono funzioni matematiche addestrabili utili per le reti neurali. Qualsiasi algoritmo di apprendimento automatico basato sul gradiente trarrà vantaggio dalla differenziazione automatica di TensorFlow e dalla suite di ottimizzatori di prim'ordine.
  • TensorFlow è compatibile con vari machine learning grazie alla sua vasta collezione di strumenti flessibili.
  • Una rete neurale profonda gestisce comportamenti più complessi in cui ogni input viene elaborato da funzioni di attivazione come Tangente iperbolica, Funzione logistica, ecc. La scelta della funzione di attivazione influisce sul comportamento della rete e TensorFlow dà il controllo sulla struttura della rete.
  • TensorFlow potrebbe anche essere utilizzato nella costruzione di semplici modelli lineari e non lineari.

Passaggi per installare TensorFlow

La parte di installazione sarà composta da due parti: -

  1. Installazione di Anaconda
  2. Impostazione di TensorFlow mediante Anaconda Prompt.

Parte 1: installa Anaconda su Windows

Anaconda è un insieme di alcuni popolari pacchetti python e ha un gestore di pacchetti chiamato conda (simile a pip). Alcuni dei popolari pacchetti anaconda sono: numpy, scipy, Jupiter, nltk, scikit-learn, ecc. Se hai Python installato su Windows, quindi per installare tutti questi pacchetti, devi eseguire pip, mentre se installi anaconda, ottieni tutti questi pacchetti in un colpo solo.

I passaggi seguenti illustrano come installare Anaconda su Windows. Python 3.7 non supporta TensorFlow, quindi useremo Anaconda per Python 3.6.

  • Scarica il programma di installazione di Anaconda per Python 3.6 da qui - https://drive.google.com/open?id=12BLpz3wzsyI0kFcMgv0SGPj__0op-JJs
  • Una volta scaricato il programma di installazione, fai doppio clic su di esso e seleziona Avanti.

  • Fai clic su Accetto nella finestra successiva.

  • Seleziona Tutti gli utenti e fai clic su Avanti.

  • Scegli il percorso di installazione come ritieni appropriato e fai clic su Avanti.

  • Nella finestra successiva, seleziona la casella "Registra Anaconda come sistema Python 3.6" e fai clic su Installa.

  • L'installazione è in corso.

  • Lascia che l'installazione continui e, una volta terminata, fai clic su Avanti per completarla. Quindi vai su Variabili d'ambiente in Windows per impostare il percorso.

  • Fai clic su Nuovo e aggiungi la cartella Script in cui hai installato Anaconda e fai clic su OK.

  • Ora, vai alla barra di ricerca di Windows e digita Anaconda Prompt. Fare doppio clic sull'app e digitare conda –version per confermare l'installazione.

Parte 2: Impostazione dell'installazione di TensorFlow mediante Anaconda Prompt

  • Vai al prompt di Anaconda e digita conda create -n myenv python = 3.6 e premi invio.

  • Premi Y e premi Invio. Creerà un ambiente separato installa TensorFlow

  • Digita conda activ myenv e inserisci Invio per entrare nell'ambiente.

  • Una volta che sei nell'ambiente, inserisci il seguente uno per uno
  1. conda install jupyter
  2. conda install scipy
  3. installazione pip - aggiornamento di tensorflow

  • Una volta fatto, digitare python e quindi digitare import tensorflow. Se non è presente alcun errore, l'installazione di TensorFlow viene eseguita correttamente.

Applicazioni pratiche di TensorFlow

Il Deep Learning è emerso nel cuore di quasi tutte le principali scoperte computazionali degli ultimi anni. È già presente in molti dei nostri prodotti quotidiani come Netflix e i consigli personalizzati di Amazon, i filtri antispam e persino la nostra interazione con assistenti personali come Apple Siri o Microsoft Cortana.

Tuttavia, non sono solo le applicazioni scientifiche a beneficiare di questa ricerca. Persone di altre discipline stanno anche iniziando a esplorare come l'apprendimento profondo potrebbe essere usato in casi come il rilevamento di oggetti (come mostrato nell'immagine). Insegna al computer a riconoscere un oggetto in un'immagine e quindi utilizzare questa conoscenza per guidare nuovi comportamenti.

Ultime tendenze di TensorFlow

TensorFlow ha recentemente rilasciato la versione 1.12.0 in cui alcuni dei principali miglioramenti sono: -

  • Il modello Keras può essere esportato direttamente nel formato SavedModel e utilizzato con la molla TensorFlow.
  • I binari sono costruiti con il supporto XLA e ora i modelli di Keras possono essere valutati con tf.data.Dataset.
  • Ignite Dataset aggiunto a contrib / ignite che consente di lavorare con Apache Ignite.

Articoli consigliati

Questa è stata una guida su come installare TensorFlow Qui abbiamo discusso le istruzioni e i diversi passaggi per installare TensorFlow. Puoi anche leggere il seguente articolo per saperne di più -

  1. Differenze tra TensorFlow e Caffe
  2. Confronto tra Tensorflow e Pytorch
  3. Carriere negli apprendimenti profondi
  4. PowerShell vs Python - Differenze
  5. Introduzione al parco giochi TensorFlow