So installieren Sie TensorFlow
In diesem Artikel zur Installation von TensorFlow erhalten Sie zunächst einen allgemeinen Überblick über TensorFlow und seine Verwendung im Data Science-Ökosystem. Anschließend installieren Sie TensorFlow für Windows.
Was ist TensorFlow?
TensorFlow ist eine Softwareanwendung, die zum Implementieren von Algorithmen für maschinelles Lernen, insbesondere für neuronale Netze, beliebt ist. Es wurde von Google entwickelt und 2015 als Open-Source-Plattform veröffentlicht. Es heißt TensorFlow, weil es Eingaben als mehrdimensionale Arrays verwendet, die auch als Tensoren bezeichnet werden. Wir könnten ein Flussdiagramm von Operationen erstellen, die wir an dieser Eingabe ausführen möchten, dh Daten gehen an einem Ende ein und fließen dann durch dieses Operationssystem und kommen am anderen Ende als Ausgabe heraus. TensorFlow ist wegen seiner extremen Vielseitigkeit beliebt. Es kann auf verschiedenen Plattformen wie Desktop, Cloud oder mobilen Geräten ausgeführt werden. All dies könnte mit einer einzigen API erfolgen. Es könnte auf mehreren Computern trainiert werden, und dann könnten wir es auf einem anderen Computer ausführen. TensorFlow ist sehr schnell, da es in C ++ geschrieben ist, aber es kann von anderen Sprachen, hauptsächlich Python, aufgerufen und gesteuert werden. Ein weiteres großartiges Merkmal von TensorFlow ist TensorBoard, mit dem wir die Arbeit eines TensorFlow grafisch und visuell überwachen können. Jemand, der sich für maschinelles Lernen interessiert, insbesondere für neuronale Netze, sollte TensorFlow lernen.
Datenflussgraph-Architektur von TensorFlow
Ein Datenflussdiagramm besteht aus zwei Grundeinheiten: Einem Knoten, der eine mathematische Operation darstellt, und einer Kante, die ein mehrdimensionales Array bedient, das als Tensoren bezeichnet wird. Diese Abstraktion auf hoher Ebene zeigt also, wie die Daten zwischen Operationen fließen. Sobald das Diagramm erstellt ist, wird eine innere Schleife geschrieben, um die Berechnung zu steuern. Eingaben werden über Variablen oder Platzhalter in Knoten eingegeben. In TensorFlow werden Berechnungen erst ausgeführt, nachdem die Sitzung erstellt wurde.
Warum wird TensorFlow beim Deep Learning bevorzugt? 
Deep Learning ist ein Teil des maschinellen Lernens, bei dem Funktionen und Aufgaben direkt aus den Daten gelernt werden. Die Daten können Bilder, Text oder Ton sein. Es wird oft als End-to-End-Lernen bezeichnet. Ein neuronales Netzwerk ist ein Synonym für die Neuronen in unserem Gehirn. In dem obigen Diagramm stammen die Daten aus der Eingabeebene und fließen über verborgene Ebenen, wo alle Berechnungen durchgeführt werden, und werden dann an die Ausgabeebene weitergeleitet. Mehrere versteckte Spieler machen es zu einem tiefen neuronalen Netzwerk, während eine einzelne Schicht ein flaches neuronales Netzwerk bildet
- TensorFlow verfügt über eine breite integrierte Unterstützung für Deep Learning und neuronale Netze, so dass es einfach ist, Netze zusammenzustellen, Parameter zuzuweisen und den Trainingsprozess auszuführen.
- Es gibt trainierbare mathematische Funktionen, die für neuronale Netze nützlich sind. Jeder Algorithmus für gradientenbasiertes maschinelles Lernen profitiert von der automatischen Differenzierung von TensorFlow und einer Reihe erstklassiger Optimierer.
- TensorFlow ist aufgrund seiner umfangreichen Sammlung flexibler Werkzeuge mit verschiedenen maschinellen Lernmethoden kompatibel.
- Ein Deep Neural Network verarbeitet komplexere Verhaltensweisen, bei denen jede Eingabe von Aktivierungsfunktionen wie Hyperbolic Tangent, Logistic Function usw. verarbeitet wird. Die Auswahl der Aktivierungsfunktion wirkt sich auf das Netzwerkverhalten aus, und TensorFlow gibt Kontrolle über die Netzwerkstruktur.
- TensorFlow kann auch zum Erstellen einfacher linearer und nichtlinearer Modelle verwendet werden.
Schritte zum Installieren von TensorFlow
Der Installationsteil besteht aus zwei Teilen: -
- Anaconda installieren
- TensorFlow mit Anaconda Prompt einrichten.
Teil 1: Installieren Sie Anaconda unter Windows
Anaconda ist ein Paket einiger populärer Python-Pakete und hat einen Paketmanager namens conda (ähnlich wie pip). Einige der populären Anaconda-Pakete sind - numpy, scipy, Jupiter, nltk, scikit-learn usw. Wenn Sie Python in Ihren Fenstern installiert haben, müssen Sie pip ausführen, wenn Sie Anaconda installieren, Sie erhalten alle diese Pakete auf einmal.
Die folgenden Schritte veranschaulichen die Installation von Anaconda unter Windows. Python 3.7 unterstützt TensorFlow nicht, daher verwenden wir Anaconda für Python 3.6.
- Laden Sie das Installationsprogramm für Anaconda für Python 3.6 von hier herunter: https://drive.google.com/open?id=12BLpz3wzsyI0kFcMgv0SGPj__0op-JJs
- Nachdem das Installationsprogramm heruntergeladen wurde, doppelklicken Sie darauf und wählen Sie Weiter.
- Klicken Sie im nächsten Fenster auf Ich stimme zu.
- Wählen Sie Alle Benutzer aus und klicken Sie auf Weiter.
- Wählen Sie den Installationsort aus, den Sie für angemessen halten, und klicken Sie auf Weiter.
- Aktivieren Sie im nächsten Fenster das Kontrollkästchen "Anaconda als Python 3.6-System registrieren" und klicken Sie auf "Installieren".
- Die Installation wird durchgeführt.
- Lassen Sie die Installation fortfahren und klicken Sie auf Weiter, um sie abzuschließen. Gehen Sie dann zu Umgebungsvariablen in Windows, um den Pfad festzulegen.
- Klicken Sie auf Neu und fügen Sie den Ordner Scripts hinzu, in dem Sie Anaconda installiert haben. Klicken Sie dann auf OK.
- Gehen Sie jetzt zur Windows-Suchleiste und geben Sie Anaconda Prompt ein. Doppelklicken Sie auf die App und geben Sie conda-version ein, um die Installation zu bestätigen.
Teil 2: Einrichten der TensorFlow-Installation mit Anaconda Prompt
- Gehen Sie zu Anaconda Prompt und geben Sie conda create -n myenv python = 3.6 ein und drücken Sie die Eingabetaste.
- Drücken Sie Y und drücken Sie die Eingabetaste. Es wird eine separate Umgebung zur Installation von TensorFlow erstellt
- Geben Sie conda activate myenv ein und drücken Sie die Eingabetaste, um in die Umgebung zu gelangen.
- Sobald Sie sich in der Umgebung befinden, geben Sie nacheinander Folgendes ein
- conda install jupyter
- conda install scipy
- pip install - Tensorflow aktualisieren
- Geben Sie danach python ein und dann tensorflow importieren. Wenn kein Fehler vorliegt, ist die TensorFlow-Installation erfolgreich.
Praktische Anwendungen von TensorFlow
Deep Learning hat sich in den letzten Jahren zu einem Kernstück fast aller großen Computer-Durchbrüche entwickelt. Es ist bereits in vielen unserer täglichen Produkte wie Netflix und Amazon personalisierte Empfehlungen, Spam-Filter und sogar unsere Interaktion mit persönlichen Assistenten wie Apple Siri oder Microsoft Cortana.
Es sind jedoch nicht nur wissenschaftliche Anwendungen, die von dieser Forschung profitieren. Menschen aus anderen Disziplinen beginnen ebenfalls zu untersuchen, wie tiefgreifendes Lernen in Fällen wie der Objekterkennung eingesetzt werden kann (siehe Abbildung). Es lehrt den Computer, ein Objekt in einem Bild zu erkennen und dieses Wissen dann zu nutzen, um neue Verhaltensweisen hervorzurufen.
Neueste Trends von TensorFlow
TensorFlow hat kürzlich seine Version 1.12.0 veröffentlicht, in der einige der wichtigsten Verbesserungen sind:
- Das Keras-Modell kann direkt in das SavedModel-Format exportiert und mit TensorFlow spring verwendet werden.
- Binärdateien werden mit XLA-Unterstützung erstellt, und Keras-Modelle können jetzt mit tf.data.Dataset ausgewertet werden.
- Ignite Dataset wurde zu contrib / ignite hinzugefügt, mit dem Sie mit Apache Ignite arbeiten können.
Empfohlene Artikel
Dies war eine Anleitung zur Installation von TensorFlow. Hier haben wir die Anweisungen und die verschiedenen Schritte zur Installation von TensorFlow besprochen. Sie können auch den folgenden Artikel lesen, um mehr zu erfahren -
- Unterschiede von TensorFlow zu Caffe
- Vergleich von Tensorflow und Pytorch
- Karrieren in Deep Learnings
- PowerShell vs Python - Unterschiede
- Einführung in TensorFlow Playground