Как загрузить, установить и настроить Tensorflow в Windows и Linux

Опубликовано: 2022-08-24

TensorFlow — это платформа с открытым исходным кодом, разработанная Google для машинного обучения и ИИ (искусственного интеллекта). Это помогает с рядом задач для разработчиков, работающих в этой области.

Для начала вам нужно иметь представление о машинном обучении или, в частности, о глубоком обучении, прежде чем вы сможете использовать TensorFlow.

Здесь позвольте мне выделить несколько вещей о TensorFlow, его функциях и быстрых способах его установки в Windows и Linux.

Обзор TensorFlow

Технически TensorFlow — это платформа с открытым исходным кодом, которая помогает с приложениями глубокого обучения и любыми другими вариантами использования машинного обучения.

Это упрощает создание и развертывание приложений на основе машинного обучения. Если вы хотите решить проблему с помощью машинного обучения, вы можете получить помощь с помощью TensorFlow.

TensorFlow предоставляет инструменты для разработки и обучения моделей с использованием Python или JavaScript. Хотя я не разработчик, вы можете изучить его документацию, чтобы узнать, как это влияет на ваш рабочий процесс развертывания приложения машинного обучения.

Особенности TensorFlow

TensorFlow известен по нескольким причинам, и вы можете оценить это сами, зная его лучшие предложения функций.

Если мы будем обсуждать технические преимущества, вам придется сравнить их для того, что вы делаете. Итак, мы сосредоточимся на общих чертах, полезных для большинства.

1. Открытый исходный код

Google решил открыть исходный код TensorFlow в 2015 году, чтобы позволить сообществу улучшить его и обеспечить прозрачность того, как он работает.

Разработчики могут настраивать библиотеку различными способами для решения проблем, которых вы, возможно, не ожидали.

Без фреймворка с открытым исходным кодом он, возможно, не был бы так популярен, как сейчас. Следовательно

2. Простая отладка

TensorFlow стремится помочь вам с простым построением модели; следовательно, легкая отладка является частью этого процесса.

Интуитивно понятный пользовательский интерфейс — это вишенка на его вершине.

3. Поддерживает как процессоры, так и графические процессоры

С TensorFlow вы получаете возможность обучать вычислению данных на ЦП или ГП. Обычно GPU ускоряет работу приложений глубокого обучения по сравнению с CPU.

Итак, если в вашем арсенале есть мощный графический процессор, TensorFlow может помочь вам максимально эффективно использовать его.

4. Полезные API машинного обучения

API-интерфейсы помогают разработчикам интегрировать различные функции в свои приложения. А TensorFlow предоставляет доступ к хорошей коллекции стабильных API.

Некоторые из них также могут предложить преимущества в производительности. Согласно его официальным заявлениям, у вас не должно возникнуть проблем с теми, которые доступны в Python. Если вы работаете с другими языками, вам нужно уточнить у сопровождающих TensorFlow, насколько они хороши для вашего варианта использования.

5. Готовые модели для производства

TensorFlow предлагает множество предварительно обученных моделей. Будь то профессионал или новичок, вы можете использовать их, чтобы сэкономить время и быстрее создавать модели машинного обучения.

В дополнение к этим функциям вы получаете гибкость, простоту использования, набор инструментов визуализации и многое другое, что может помочь вашему рабочему процессу разработки машинного обучения.

Теперь, когда у вас есть хорошее представление о TensorFlow, где его можно скачать? Как установить и настроить его в системах Windows и Linux?

Давайте обсудим это ниже.

Загрузка и установка TensorFlow

В отличие от других программ, здесь вы не получаете установочный файл .exe. Прежде всего, вам нужно будет загрузить пакет с помощью рекомендуемого менеджера пакетов.

В общем, есть разные способы установки. Мы можем перечислить их следующим образом:

Использование Miniconda и pip
Использование Miniconda и pip на WSL 2
Использование контейнера Docker
Сборка из исходников

Как установить TensorFlow в Windows?

В отличие от других программ, здесь вы не получаете установочный файл .exe. Вам нужно будет загрузить пакет, используя рекомендуемый менеджер пакетов.

# 1 . Использование Miniconda и pip (рекомендуемый метод)

Примечание. На момент написания этой статьи TensorFlow 2.10 была последней версией, поддерживающей GPU в Windows (изначально). Если вы работаете с более новыми пакетами, TensorFlow рекомендует установить TensorFlow в WSL 2 , о чем пойдет речь далее.

Если вы хотите использовать TensorFlow с поддержкой графического процессора, TensorFlow рекомендует использовать Miniconda ( установщик для диспетчера пакетов conda), чтобы начать работу.

С Miniconda вы можете создать отдельную среду, чтобы избежать конфликта с любым другим программным обеспечением в вашей системе.

Для начала вам необходимо загрузить последнюю версию установщика Miniconda для Windows и следовать инструкциям на экране для завершения установки.

После этого вам нужно запустить приглашение Miniconda , как показано на скриншоте:

Вот как это выглядит:

После того, как вы увидите окно приглашения Anaconda, вы можете ввести следующую команду, чтобы убедиться, что диспетчер пакетов conda обновлен:

conda update -n base -c defaults conda

С учетом этого, вот шаги, которые необходимо выполнить для установки TensorFlow:

Во- первых , чтобы создать новую среду (с именем tf ):

conda create --name tf python=3.9

Совет : вы можете активировать/деактивировать его с помощью команд: conda enable tf и conda deactivate

Вам нужно будет активировать его, чтобы продолжить. Чтобы включить поддержку графического процессора в процессе, вы должны убедиться, что у вас установлен графический драйвер (графический процессор NVIDIA), а затем установить несколько пакетов с помощью следующей команды:

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0

Он загружает около 1 гигабайта пакетов, которые включают инструменты, позволяющие развертывать приложения машинного обучения с помощью графического процессора и глубокой нейронной сети.

Наконец , вам нужно будет использовать диспетчер пакетов pip для установки пакета TensorFlow. Вы можете использовать conda для установки Tensorflow, но для него может не потребоваться последняя стабильная версия.

Прежде чем продолжить, убедитесь, что pip был обновлен с помощью команды:

 pip install --upgrade pip

После этого установите TensorFlow с помощью:

pip install tensorflow

Вы заметите, что многочисленные пакеты собираются/устанавливаются. Он может показаться застрявшим в процессе, но дайте ему минуту, и он должен возобновиться и завершить установку.

# 2 . Использование Conda и pip на WSL 2

Предполагая, что в вашей системе уже установлен WSL 2, вы можете установить TensorFlow, используя следующие команды в терминале дистрибутива:

 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'))"

Вы можете вставить все сразу, и они будут обрабатываться по одному.

Если вы не установили WSL 2 в Windows. Перейдите в командную строку с правами администратора и введите следующее:

 wsl.exe --install

Он должен загрузить Ubuntu и включить функцию WSL для вашей системы. Для завершения вам потребуется перезагрузить компьютер.

Если вы не можете найти Ubuntu в своей системе, вы можете перейти в Microsoft Store и установить Ubuntu WSL.

# 3 . Сборка из исходного кода

Учитывая, что TensorFlow имеет открытый исходный код, вы можете создать его с нуля со своими параметрами конфигурации.

Следовательно, это рекомендуется для опытных пользователей, знающих обо всех параметрах и знающих, как настроить гайки и болты. Обратитесь к официальной документации, чтобы узнать больше об этом.

Как установить TensorFlow в Linux?

Как и в Windows, вы можете установить TensorFlow с помощью Miniconda и pip в Linux. Или выберите сборку из исходников.

Позвольте мне показать вам, как это делается:

# 1 . Использование Miniconda и pip (рекомендуемый метод)

Примечание. Следуйте тем же командам, что и в Windows. Единственная разница заключается в том, как вы устанавливаете/загружаете Miniconda в Linux.

Вот как установить Miniconda в Linux с помощью 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

Перезапустите терминал в вашем дистрибутиве Linux, чтобы найти что-то вроде этого:

Вы заметите (база) перед переменными подсказки терминала. Это указывает на то, что conda в настоящее время активна и установлена.

Не отключайте его, пока не закончите установку TensorFlow.

Вы можете перейти к шагам, упомянутым выше для Windows, и установить его. Или вставьте следующее, чтобы установить 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'))"

В Linux у вас могут возникнуть проблемы с драйвером графического процессора. Для этого вам следует обратиться к документации NVIDIA, чтобы узнать больше.

# 2 . Сборка из исходников

Как и в Windows, сборка из исходного кода в Linux сложна и предназначена исключительно для опытных пользователей.

Вы (при условии, что вы новичок) не должны выбирать этот метод, если вы не имеете в виду что-то конкретное. Лучший способ узнать больше об этом — обратиться к документации.

Как установить TensorFlow с помощью Docker? (Виндовс и Линукс)

Независимо от платформы, Docker позволяет без проблем устанавливать образы TensorFlow.

Убедитесь, что в вашей системе установлен Docker, или воспользуйтесь нашим руководством по установке Docker.

После завершения настройки вам нужно ввести следующую команду из Docker:

 docker pull tensorflow/tensorflow

Вам нужен опыт работы с контейнерами Docker, чтобы запустить контейнер с необходимыми для вашей работы конфигурациями.

Чтобы узнать о поддержке конкретного графического процессора или загрузить другую версию TensorFlow, обратитесь к параметрам, доступным в официальной документации.

Вот как выглядит команда, когда вы хотите запустить ее с помощью Docker:

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

Вывод

Установка TensorFlow — это одноразовая вещь, и с нашим руководством для большинства это должно быть беспроблемным процессом.

Если у вас уже были предыдущие конфигурации или настройки с более старыми версиями Python или более старым менеджером пакетов Conda. Обязательно примените последние обновления, чтобы без проблем установить TensorFlow.

Вы также можете изучить лучшие платформы искусственного интеллекта для создания приложений искусственного интеллекта и машинного обучения.