Введение
TensorFlow — это библиотека программного обеспечения для машинного обучения с открытым исходным кодом, которая используется для построения алгоритмов для различных типов задач восприятия и понимания языка. Это символьная математическая библиотека, основанная на потоке данных и различных программах, которая в основном используется для так называемого глубокого обучения, то есть для анализа массивных наборов данных. TensorFlow — это сквозная платформа машинного обучения, которая ускоряет различные этапы процесса разработки модели машинного обучения. В частности, TensorFlow предлагает инструменты для подготовки данных, создания моделей машинного обучения, их обучения и развертывания в различных контекстах, таких как локально, на устройстве, в облаке или в браузере.
Если вы новичок в TensorFlow и хотите начать работу с Ubuntu, это пошаговое руководство проведет вас через процесс установки TensorFlow в вашей системе Ubuntu. К концу этого руководства у вас будет работающая установка TensorFlow, и вы будете готовы приступить к созданию и обучению своих моделей машинного обучения.
Аппаратные требования
Требования к оборудованию для установки TensorFlow в Ubuntu зависят от типа установки, в частности, от того, устанавливаете ли вы версию TensorFlow для процессора или графического процессора. Вот основные требования к оборудованию для каждой версии:
Версия процессора
- Процессор: x86-64 CPU с поддержкой AVX2
- Оперативная память: 2 ГБ или более
- Дисковое пространство: 500 МБ или больше
версия графического процессора
- Процессор: графический процессор NVIDIA с вычислительной мощностью 3,5 или выше (см. список поддерживаемых графических процессоров)
- Набор инструментов NVIDIA CUDA: версия 11.0 или более поздняя (см. требования к набору инструментов CUDA)
- Библиотека cuDNN: версия 8.0 или выше (см. требования cuDNN)
- Оперативная память: 4 ГБ или более
- Дисковое пространство: 500 МБ или больше
Также стоит отметить, что использование графического процессора может значительно ускорить обучение моделей глубокого обучения, поэтому, если у вас есть совместимый графический процессор NVIDIA, настоятельно рекомендуется установить версию TensorFlow для графического процессора. Однако версия ЦП по-прежнему может использоваться для многих задач машинного обучения и является хорошим вариантом, если у вас нет совместимого графического процессора.
Обновите свою систему
Прежде чем начать, важно убедиться, что ваша система Ubuntu обновлена. Откройте окно терминала и выполните следующую команду, чтобы обновить список пакетов вашей системы и установить все доступные обновления:
sudo apt update && sudo apt upgradeУстановите Python 3 и PIP
Для TensorFlow требуется Python 3.7-3.10, поэтому, если у вас не установлен Python, вы можете установить его, запустив:
sudo apt install python3-dev python3-pipЭто также установит pip, установщик пакетов для Python.
Создайте виртуальную среду (необязательно)
Рекомендуется использовать виртуальную среду для изоляции TensorFlow и его зависимостей от других пакетов в системе. Сначала установите пакет Python для создания виртуальных сред:
sudo apt install python3-venvЗатем создайте новый каталог для вашего приложения Tensorflow и переключитесь на него:
mkdir tensorflow-app && cd tensorflow-appЗатем вы можете создать виртуальную среду, запустив:
python3 -m venv venvЭто создаст виртуальную среду под названием «venv» в текущем каталоге.
Чтобы активировать виртуальную среду, запустите:
source venv/bin/activateТеперь вы должны увидеть имя виртуальной среды в командной строке терминала.
Установить ТензорФлоу
Установив Python и pip, теперь вы можете установить TensorFlow. Чтобы установить версию TensorFlow для процессора, запустите:
pip install --upgrade tensorflowЕсли у вас есть графический процессор и вы хотите установить версию TensorFlow для графического процессора, вам сначала необходимо установить набор инструментов NVIDIA CUDA и библиотеку cuDNN. Вы можете найти инструкции по установке этих библиотек в документации TensorFlow.
Установите надстройки TensorFlow (необязательно)
TensorFlow Addons — это хранилище расширений и плагинов, разработанных сообществом для TensorFlow. Чтобы установить надстройки TensorFlow, запустите:
pip install --upgrade tensorflow-addonsЭто установит последнюю версию надстроек TensorFlow.
Протестируйте установку
После установки TensorFlow вы можете протестировать настройку, запустив простой скрипт, который создает и запускает сеанс TensorFlow:
python -c "import tensorflow as tf; print(tf.version.VERSION)"Если TensorFlow установлен правильно, вы должны увидеть версию TensorFlow, напечатанную на терминале.
Установите блокнот Jupyter (необязательно)
Jupyter Notebook — это интерактивная веб-среда разработки для Python. Это отличный инструмент для изучения и экспериментирования с кодом TensorFlow. Чтобы установить Jupyter Notebook, запустите:
pip install jupyterЧтобы запустить Jupyter Notebook, запустите:
jupyter notebookЭто запустит сервер Jupyter Notebook и откроет новое окно браузера с интерфейсом Jupyter Notebook.
Создайте новый блокнот (необязательно)
В интерфейсе Jupyter Notebook нажмите «Создать» и выберите «Python 3», чтобы создать новый блокнот. В первой ячейке введите следующий код для импорта TensorFlow:
import tensorflow as tfТеперь вы можете начать экспериментировать с TensorFlow в своем блокноте Jupyter!
Создайте простую нейронную сеть с помощью TensorFlow.
В этом примере мы создаем нейронную сеть, которая может распознавать рукописные числа в наборе данных MNIST. Модель состоит из входного слоя, двух плотных слоев и выходного слоя. Мы используем функцию активации ReLU для первых двух плотных уровней, а для последнего уровня мы не используем никакую функцию активации, поскольку мы работаем с проблемой классификации нескольких классов:
import tensorflow as tf
from tensorflow import keras
# Carica il dataset MNIST di numeri scritti a mano
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
# Normalizza i dati
x_train = x_train /255.0
x_test = x_test /255.0
# Definisci il modello
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28, 28)),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dense(10)
])
# Compila il modello
model.compile(optimizer='adam',
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
# Addestra il modello
model.fit(x_train, y_train, epochs=10)
# Valuta l'accuratezza del modello sui dati di test
test_loss, test_acc = model.evaluate(x_test, y_test, verbose=2)
print('\nTest accuracy:', test_acc)Наконец, модель обучается на обучающих данных в течение 10 эпох, а затем оценивается на точность тестовых данных. Этот пример — только начало потенциала TensorFlow для машинного обучения.
Деактивировать виртуальную среду (необязательно)
Если вы создали виртуальную среду на шаге 3, вы можете деактивировать ее, выполнив:
deactivateЭто вернет вас к среде Python по умолчанию в вашей системе.
И это все! Теперь у вас должен быть установлен TensorFlow и он готов к использованию в вашей системе Ubuntu. Независимо от того, являетесь ли вы новичком в области машинного обучения или опытным разработчиком, TensorFlow в Ubuntu — это мощный инструмент для создания и обучения моделей машинного обучения.
Заключение
Установка TensorFlow в Ubuntu может быть немного сложной, особенно если вы новичок в машинном обучении и Linux. Однако с помощью этого пошагового руководства вы сможете легко установить TensorFlow и начать работу с машинным обучением в Ubuntu.
Не забывайте обновлять свою систему, создавать виртуальную среду для TensorFlow и тестировать свою установку, чтобы убедиться, что все работает правильно. После установки TensorFlow возможности безграничны, и у вас будет мощный инструмент для создания и обучения моделей машинного обучения.
