Как установить и использовать TensorFlow в Ubuntu 18.04

TensorFlow - это программное обеспечение для машинного обучения с открытым исходным кодом, используемое для обучения нейронных сетей. Нейронные сети TensorFlow выражаются в формеstateful dataflow graphs. Каждый узел на графике представляет операции, выполняемые нейронными сетями на многомерных массивах. Эти многомерные массивы обычно известны как «тензоры», отсюда и название TensorFlow.

TensorFlow - это программная системаdeep learning. Он хорошо работает для поиска информации, как показал Google в том, как они ранжируются в поиске в своей системе искусственного интеллекта машинного обучения,RankBrain. TensorFlow может выполнять распознавание изображений, как показано вInception Google, а также распознавание звука на человеческом языке. Он также полезен при решении других задач, не относящихся к машинному обучению, напримерpartial differential equations.

Архитектура TensorFlow позволяет развертывать на нескольких процессорах или графических процессорах на настольном компьютере, сервере или мобильном устройстве. Также существуют расширения для интеграции сCUDA, платформой параллельных вычислений от Nvidia. Это дает пользователям, развертывающим на графическом процессоре, прямой доступ к виртуальному набору команд и другим элементам графического процессора, которые необходимы для параллельных вычислительных задач.

В этом руководстве мы установим версию TensorFlow «CPU support only». Эта установка идеально подходит для людей, которые хотят установить и использовать TensorFlow, но у которых нет видеокарты Nvidia или нет необходимости запускать приложения, критичные для производительности.

Вы можете установить TensorFlow несколькими способами. Каждый метод имеет свой вариант использования и среду разработки:

В этом руководстве вы установите TensorFlow в виртуальной среде Python с помощьюvirtualenv. Этот подход изолирует установку TensorFlow и быстро запускает ее в работу. После завершения установки вы подтвердите установку, запустив короткую программу TensorFlow, а затем используйте TensorFlow для распознавания изображений.

Прежде чем начать этот урок, вам понадобится следующее:

[[step-1 -—- install-tensorflow]] == Шаг 1. Установка TensorFlow

На этом этапе мы собираемся создать виртуальную среду и установить TensorFlow.

Сначала создайте каталог проекта. Мы назовем егоtf-demo в демонстрационных целях, но выберите имя каталога, которое имеет для вас значение:

Перейдите в только что созданный каталогtf-demo:

Затем создайте новую виртуальную среду с именемtensorflow-dev, например. Выполните следующую команду, чтобы создать среду:

Это создает новый каталогtensorflow-dev, который будет содержать все пакеты, которые вы устанавливаете, пока эта среда активирована. Он также включаетpip и автономную версию Python.

Теперь активируйте вашу виртуальную среду:

После активации вы увидите нечто похожее на это в своем терминале:

Теперь вы можете установить TensorFlow в вашей виртуальной среде.

Выполните следующую команду, чтобы установить и обновить до последней версии TensorFlow, доступной вPyPi:

TensorFlow установит, и вы должны получить вывод, который указывает, что установка вместе со всеми зависимыми пакетами прошла успешно.

[.Примечание]##

Вы можете в любой момент деактивировать свою виртуальную среду, используя следующую команду:

Чтобы повторно активировать среду позже, перейдите в каталог проекта и запуститеsource tensorflow-dev/bin/activate.

Теперь, когда вы установили TensorFlow, давайте убедимся, что установка TensorFlow работает.

[[step-2 -—- validating-installation]] == Шаг 2 - Проверка установки

Чтобы проверить правильность установки TensorFlow, мы запустим простую программу в TensorFlow как пользователь без полномочий root. Мы будем использовать пример канонического новичка «Привет, мир!» Как форму проверки. Вместо того, чтобы создавать файл Python, мы создадим эту программу, используяPython’s interactive console.

Чтобы написать программу, запустите ваш интерпретатор Python:

В вашем терминале появится следующее приглашение:

Это приглашение для интерпретатора Python, и оно указывает, что вы готовы начать ввод некоторых операторов Python.

Сначала введите эту строку, чтобы импортировать пакет TensorFlow и сделать его доступным как локальную переменнуюtf. НажмитеENTER после ввода строки кода:

Затем добавьте эту строку кода, чтобы установить сообщение «Привет, мир!»:

Затем создайте новый сеанс TensorFlow и назначьте его переменнойsess:

[.Примечание]##

Note: в зависимости от вашей среды вы можете увидеть следующий вывод:

Это говорит о том, что у вас естьinstruction set, который может быть оптимизирован для повышения производительности с помощью TensorFlow. Если вы видите это, можете проигнорировать это и продолжить.

Наконец, введите эту строку кода, чтобы распечатать результат выполнения сеанса TensorFlowhello, который вы создали в предыдущих строках кода:

В Python 3sess.run() вернет байтовую строку, которая будет отображаться какb'Hello, world!', если вы запустите толькоprint(sess.run(hello)). Чтобы вернутьHello, world! в виде строки, давайте добавим методdecode().

Вы увидите этот вывод в своей консоли:

Это указывает на то, что все работает и вы можете начать использовать TensorFlow.

Выйдите из интерактивной консоли Python, нажавCTRL+D или набравquit().

Далее, давайте использовать API распознавания изображений TensorFlow, чтобы лучше познакомиться с TensorFlow.

[[step-3 -—- using-tensorflow-for-image-распознавание]] == Шаг 3 - Использование TensorFlow для распознавания изображений

Теперь, когда TensorFlow установлен и вы проверили его, запустив простую программу, мы можем взглянуть на возможности распознавания изображений TensorFlow.

Для того, чтобы классифицировать изображение, вам нужно тренировать модель. Затем вам нужно написать некоторый код для использования модели. Чтобы узнать больше о концепциях машинного обучения, подумайте о прочтении «https://www.digitalocean.com/community/tutorials/an-introduction-to-machine-learning[A Введение в машинное обучение]».

TensorFlow предоставляетrepository of models and examples, включая код и обученную модель для классификации изображений.

Используйте Git, чтобы клонировать репозиторий моделей TensorFlow из GitHub в каталог вашего проекта:

Вы получите следующий результат, когда Git извлечет репозиторий в новую папку с именемmodels:

Перейдите в каталогmodels/tutorials/image/imagenet:

Этот каталог содержит файлclassify_image.py, который использует TensorFlow для распознавания изображений. Эта программа загружает обученную модель изtensorflow.org при первом запуске. Для загрузки этой модели требуется 200 МБ свободного места на диске.

В этом примере мы классифицируемpre-supplied image of a Panda. Выполните эту команду для запуска программы классификатора изображений:

Вы получите вывод, похожий на этот:

Вы классифицировали свое первое изображение, используя возможности распознавания изображений TensorFlow.

Если вы хотите использовать другое изображение, вы можете сделать это, добавив аргумент-- image_file в свою командуpython3 classify_image.py. В качестве аргумента вы должны передать абсолютный путь к файлу изображения.

В этом руководстве вы установили TensorFlow в виртуальной среде Python и проверили, что TensorFlow работает, выполнив несколько примеров. Теперь у вас есть инструменты, которые позволяют вам исследовать дополнительные темы, включаяConvolutional Neural Networks иWord Embeddings.

programmer’s guide из TensorFlow представляет собой полезный ресурс и справочник по разработке TensorFlow. Вы также можете изучитьKaggle, конкурентную среду для практического применения концепций машинного обучения, которая противопоставит вас другим энтузиастам машинного обучения, науки о данных и статистики. У них есть надежныйwiki, где вы можете исследовать и делиться решениями, некоторые из которых являются передовыми методами статистического и машинного обучения.