Другое

TensorFlow для начинающих: установка, нюансы работы и примеры

Lorem ipsum dolor

Сегодня в статье мы опишем, как происходит установка TensorFlow и начало работы с этим инструментом. Перед этим немного остановимся на описании самого инструмента, потому что многие пользователи ищут, как происходит установка TensorFlow, но до конца не понимают, что это за инструмент и нужен ли он им.

Часть пользователей считает, что TensorFlow — это просто библиотека для машинного обучения. Да, по сути, это библиотека, но на самом деле TensorFlow уже давно переросла возможности «просто библиотеки» и стала полноценным фреймворком или структурой инструментов для реализации машинного обучения в программных продуктах разных разработчиков. Поэтому о TensorFlow можно сказать, что это «библиотека», «фреймворк», «экосистема», «набор инструментов». Все эти термины созвучны с возможностями TensorFlow.

Библиотека TensorFlow: особенности

Библиотека TensorFlow — это продукт деятельности разработчиков компании Google. Над этим инструментом разработчики Гугл «бились» очень много времени, однако обнародовали и сделали его общедоступным только в 2015 году. С тех пор библиотека TensorFlow достаточно быстро обрела популярность среди разработчиков, использующих машинное обучение в собственных работах.

Библиотека TensorFlow включает в себя несколько важных особенностей:

  1. Содержит в своем составе функцию, которая достаточно просто взаимодействует со сложными математическими выражениями и вычислениями.

  2. Обеспечивает программирование глубоких нейронных сетей и машинного обучения разными алгоритмами.

  3. Содержит функцию, которая вычисляет различные наборы данных, что позволяет применять этот инструмент в разных сферах человеческой деятельности.

Библиотека TensorFlow состоит из множества других более мелких библиотек. При необходимости к ней можно подключить другие недостающие библиотеки. Именно поэтому TensorFlow называют «экосистемой машинного обучения».

В общем, если есть задумка использовать возможности машинного обучения в собственном программном продукте, тогда можно воспользоваться возможностями TensorFlow. При этом можно не задумываться о том, подойдет или не подойдет.

Библиотека TensorFlow: установка

Чтобы начать использовать библиотеку TensorFlow, нужно удостовериться, что ваше устройство подходит по системным и программным требованиями.

Системные и программные требования к устройству для комфортной работы на нем с библиотекой TensorFlow:

  1. На компьютере должен быть установлен Python 3.9 для версии TensorFlow 2.5 и выше; либо Python 3.8 для версий TensorFlow 2.22.4; либо Python 3.7 для TensorFlow ниже 2.2 версии.

  2. На компьютере должен быть установлен «pip 19.0» или выше.

  3. Компьютер должен управляться следующими операционными системами: Ubuntu не ниже версии 16.04, macOS не ниже версии 10.12.6, Windows 7 и выше. Причем архитектура должна быть 64-битной.

  4. Для работы на Windows на компьютере должна быть установлена программа Visual Studio не ниже версии 2015 года и компонент «Microsoft Visual C++».

При более низких характеристиках компьютера или при другой программной конфигурации устройства разработчики TensorFlow не гарантируют стабильную работу библиотеки.

Установка TensorFlow на компьютер проходит в 3 этапа. Чуть ниже мы остановимся на каждом этапе подробнее.

Перед установкой TensorFlow проверяем Python и pip

Обычно пользователи знают системные характеристики собственных устройств. Если ваше устройство подходит по техническим параметрам, тогда самое время проверить программные. Для начала узнаем версию Питона и «пип». Для этого у консоли любой системы введите следующие команды:

$python3 --version

$pip3 --version

 

Если вы увидите, что на вашем компьютере все это инсталлировано, тогда можно переходить к пункту инсталляции библиотеки «ТензорФлоу». Если нет, тогда нужно инсталлировать Питон, «пип» и утилиту «venv». Это делается при помощи следующих команд:

Для Linux: 

   $ sudo apt update

   $ sudo apt install python3-dev python3-pip python3-venv

 

Для Макбук:

   /usr/bin/ruby -e "$(curl -fsSL   https://raw.githubusercontent.com/Homebrew/install/master/install)"

   export PATH="/usr/local/opt/python/libexec/bin:$PATH"

 

# если у вас на Макбуке операционная система Сиерра, тогда используйте следующее  

 

PATH="/usr/local/bin:/usr/local/sbin:$PATH" 

brew update

brew install python  # Питон 3

 

Для Виндовс:

  1. Установите модуль Microsoft Visual C++ для рабочего окружения «Визуал Студио».

  2. Скачайте последнюю версию Питона с официальной страницы языка и установите в привычном режиме.

Виртуальная среда для TensorFlow

Виртуальная среда на компьютере нужна будет, чтобы изолировать пакет TensorFlow и Python от операционной системы. Виртуальная среда создается с использованием интерпретатора Python при помощи следующих команд:

Для Линукс и МакОС:

$ python3 -m venv --system-site-packages ./venv

 

Для Windows:

C:\> python -m venv --system-site-packages .\venv

 

После того как виртуальная среда создана, ее нужно активировать. Делается это при помощи следующих команд:

Для Линукс и МакОС:

$ source ./venv/bin/activate  # sh, bash, or zsh

$. ./venv/bin/activate.fish  # fish

$ source ./venv/bin/activate.csh  # csh or tcsh

 

После активирования виртуального окружения на Линукс и МакОС нужно инсталлировать пакет «пип» следующей командой:

pip install --upgrade pip

 

Активирование виртуального окружения на Windows:

.\venv\Scripts\activate

 

Установка пакета «пип» после активирования виртуального окружения на Виндовс:

pip install --upgrade pip

 

Установка TensorFlow

Установка TensorFlow на всех операционных системах будет выполнена одной командой. Так происходит, потому что в предыдущем шаге мы создали и активировали виртуальное окружение для работы с этой библиотекой.

Итак, установка TensorFlow осуществляется командой:

(venv) $ pip install --upgrade tensorflow

 

После завершения установки библиотеки нужно будет проверить ее работоспособность командой:

(venv) $ python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1100, 1100])))"

 

Заключение

Установка TensorFlow и Python завершена. Самое время приступать к работе. В последующих статьях мы покажем примеры использования этого инструмента при разработке программ на основе машинного обучения.

Схожие статьи

IPv6 и IPv4: определение, разница, преимущества и недостатки
Другое

IPv6 и IPv4: определение, разница, преимущества и недостатки

Динамический массив С: определение, как создавать, структуры и удаление
Другое

Динамический массив С: определение, как создавать, структуры и удаление

Что значит крутой программист или как стать успешным с нуля
Другое

Что значит крутой программист или как стать успешным с нуля

Что такое ветвления в программировании, какие они бывают
Другое

Что такое ветвления в программировании, какие они бывают