TensorFlow – це відкрита платформа, розроблена компанією Google, призначена для машинного навчання та штучного інтелекту. Вона надає розробникам інструменти, необхідні для реалізації різноманітних проєктів у цій сфері.
Перед тим, як почати використовувати TensorFlow, важливо мати базові знання про машинне навчання або, зокрема, глибоке навчання.
Давайте розглянемо основні аспекти TensorFlow, його можливості, а також швидкі способи встановлення на платформах Windows та Linux.
Загальний огляд TensorFlow
З технічної точки зору, TensorFlow є платформою з відкритим кодом, яка спрощує роботу з програмами глибокого навчання та іншими сценаріями машинного навчання.
Вона допомагає у створенні та впровадженні програм на основі машинного навчання. Якщо ви маєте намір вирішити задачу за допомогою машинного навчання, TensorFlow може бути корисним інструментом.
TensorFlow надає засоби для розробки та навчання моделей, використовуючи Python або JavaScript. Не будучи розробником, я рекомендую звернутися до документації, щоб зрозуміти, як це впливає на процес розгортання програм машинного навчання.
Функціональні можливості TensorFlow
TensorFlow здобув популярність завдяки ряду переваг, які ви можете оцінити, ознайомившись із його ключовими функціями.
Для обговорення технічних деталей знадобиться порівняння з вашою конкретною роботою. Тому ми зосередимося на загальних рисах, корисних для більшості користувачів.
1. Відкритий код
У 2015 році Google зробив вихідний код TensorFlow відкритим, дозволяючи спільноті вдосконалювати платформу та забезпечуючи прозорість її роботи.
Розробники можуть налаштовувати бібліотеку різними способами, щоб вирішувати неочікувані проблеми.
Без відкритого коду фреймворк, можливо, не досяг би такої популярності. Отже, це важлива перевага.
2. Спрощене налагодження
Мета TensorFlow полягає у тому, щоб допомогти вам легко створювати моделі, тому спрощене налагодження є важливою частиною процесу.
Інтуїтивно зрозумілий інтерфейс користувача є додатковою перевагою.
3. Підтримка процесорів та графічних процесорів
TensorFlow дозволяє навчати моделі на ЦП або ГП. Зазвичай графічний процесор забезпечує вищу швидкість виконання програм глибокого навчання порівняно з ЦП.
Тому, якщо у вас є потужний графічний процесор, TensorFlow допоможе вам максимально його використовувати.
4. Корисні API машинного навчання
API дозволяють розробникам інтегрувати різні функції в свої програми. TensorFlow надає доступ до великої кількості стабільних API.
Деякі з них можуть покращувати продуктивність. Згідно з офіційними заявами, API, доступні в Python, не повинні викликати проблем. Якщо ви працюєте з іншими мовами, вам потрібно уточнити у розробників TensorFlow, наскільки вони підходять для ваших цілей.
5. Готові моделі для використання
TensorFlow включає велику кількість попередньо навчених моделей. Незалежно від вашого рівня досвіду, ви можете використовувати їх для економії часу та швидшого створення моделей машинного навчання.
Окрім цих можливостей, ви отримуєте гнучкість, простоту використання, інструменти для візуалізації та інші переваги, що сприяють ефективній розробці моделей машинного навчання.
Тепер, коли ви ознайомились з основними аспектами TensorFlow, виникає питання: де його завантажити? Як встановити та налаштувати на системах Windows та Linux?
Розглянемо ці питання далі.
Завантаження та встановлення TensorFlow
На відміну від багатьох інших програм, TensorFlow не має інсталяційного файлу .exe. Для початку вам необхідно завантажити пакет, використовуючи рекомендований менеджер пакетів.
Існує кілька способів встановлення. Ось їх перелік:
- Використання Miniconda та pip
- Використання Miniconda та pip на WSL 2
- Використання контейнера Docker
- Збірка з вихідного коду
Інструкція зі встановлення TensorFlow на Windows
На відміну від звичайних програм, ви не отримаєте інсталяційний файл .exe. Необхідно завантажити пакет, використовуючи рекомендований менеджер пакетів.
#1. Використання Miniconda та pip (рекомендований спосіб)
Примітка: На момент написання статті, TensorFlow 2.10 є останньою версією, яка підтримує графічний процесор на Windows (нативно). Для нових пакетів TensorFlow рекомендує встановлювати TensorFlow у WSL 2, що буде розглянуто далі.
Якщо ви бажаєте використовувати TensorFlow з підтримкою графічного процесора, рекомендується використовувати Miniconda (інсталятор для менеджера пакетів conda) для початку роботи.
За допомогою Miniconda ви зможете створити ізольоване середовище, щоб уникнути конфліктів з іншим програмним забезпеченням на вашій системі.
Для початку, вам необхідно завантажити останню версію Miniconda Windows Installer та слідувати інструкціям на екрані для завершення інсталяції.
Після цього потрібно запустити командний рядок Miniconda, як показано на знімку екрана:
Ось як це виглядає:
Після появи вікна командного рядка Anaconda, введіть наступну команду для перевірки оновлення менеджера пакетів conda:
conda update -n base -c defaults conda
Далі, щоб встановити TensorFlow, виконайте наступні кроки:
Спочатку створіть нове середовище (назване tf):
conda create --name tf python=3.9
Порада: Ви можете активувати/деактивувати середовище за допомогою команд: conda activate tf та conda deactivate.
Вам потрібно буде активувати середовище для продовження. Щоб увімкнути підтримку графічного процесора, переконайтеся, що у вас встановлено драйвер NVIDIA GPU, а потім інсталюйте необхідні пакети за допомогою команди:
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
Буде завантажено приблизно 1 Гігабайт пакетів, які містять інструменти для розгортання програм машинного навчання з використанням GPU та глибокої нейронної мережі.
Нарешті, вам необхідно використовувати менеджер пакетів pip для встановлення пакету TensorFlow. Ви можете використовувати conda для встановлення Tensorflow, але вона може не мати останньої стабільної версії.
Перед продовженням переконайтеся, що pip оновлений за допомогою команди:
pip install --upgrade pip
Після цього встановіть TensorFlow за допомогою команди:
pip install tensorflow
Ви побачите, як багато пакетів завантажуються та встановлюються. Процес може здаватися завислим, але дайте йому трохи часу, і він відновиться та завершить інсталяцію.
#2. Використання Conda та pip на WSL 2
Якщо на вашій системі вже налаштовано WSL 2, ви можете встановити TensorFlow за допомогою наступних команд у терміналі дистрибутиву:
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'))"
Ви можете вставити всі ці команди одразу, і вони будуть оброблятися по черзі.
Якщо ви не встановили WSL 2 на Windows, перейдіть до командного рядка з правами адміністратора та введіть наступну команду:
wsl.exe --install
Буде завантажено Ubuntu та активовано функцію WSL для вашої системи. Для завершення процесу вам потрібно буде перезавантажити комп’ютер.
Якщо ви не можете знайти Ubuntu у своїй системі, ви можете завантажити та встановити Ubuntu WSL з Microsoft Store.
#3. Збірка з вихідного коду
Оскільки TensorFlow є платформою з відкритим кодом, ви можете зібрати її з нуля, використовуючи власні параметри конфігурації.
Цей метод рекомендований для досвідчених користувачів, які добре розуміють усі налаштування. Для отримання додаткової інформації зверніться до офіційної документації.
Інструкція зі встановлення TensorFlow на Linux
Як і у випадку з Windows, ви можете встановити TensorFlow за допомогою Miniconda та pip в Linux. Або ж ви можете вибрати збірку з вихідного коду.
Розглянемо ці варіанти детальніше:
#1. Використання Miniconda та pip (рекомендований спосіб)
Примітка: Використовуйте ті самі команди, що і для Windows. Єдина відмінність полягає у способі встановлення/завантаження Miniconda на Linux.
Щоб встановити Miniconda на Linux за допомогою терміналу, скористайтеся наступними командами:
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
Перезапустіть термінал вашого дистрибутиву Linux. Ви побачите щось на зразок:
Ви побачите (base) перед рядком підказок терміналу. Це означає, що conda активна та встановлена.
Не закривайте його до завершення встановлення TensorFlow.
Далі ви можете виконати ті ж кроки, що й для Windows, для встановлення. Або ж вставте наступний код для встановлення 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 можуть виникати проблеми з драйвером GPU. У цьому випадку слід звернутися до документації NVIDIA для отримання додаткової інформації.
#2. Збірка з вихідного коду
Аналогічно Windows, збірка з вихідного коду в Linux є складним процесом і призначена виключно для досвідчених користувачів.
Новачкам не рекомендується використовувати цей метод, якщо немає конкретної потреби. Зверніться до документації, щоб дізнатися більше про цей метод.
Як встановити TensorFlow за допомогою Docker? (Windows та Linux)
Docker дозволяє встановлювати образи TensorFlow без проблем на будь-якій платформі.
Переконайтеся, що Docker встановлено на вашій системі, або скористайтеся нашим посібником зі встановлення Docker, щоб отримати допомогу.
Після налаштування введіть наступну команду у Docker:
docker pull tensorflow/tensorflow
Вам потрібен досвід роботи з контейнерами Docker для створення контейнера з необхідними конфігураціями для вашої роботи.
Для отримання інформації про підтримку конкретного GPU або завантаження іншої версії TensorFlow, ознайомтеся з параметрами в офіційній документації.
Ось приклад команди для запуску Docker:
docker run [-it] [--rm] [-p hostPort:containerPort] tensorflow/tensorflow[:tag] [command]
Висновок
Встановлення TensorFlow – це одноразова операція, і з нашим посібником цей процес має бути безпроблемним для більшості користувачів.
Якщо у вас є попередні конфігурації або налаштування зі старими версіями Python або Conda, обов’язково встановіть останні оновлення, щоб уникнути проблем при встановленні TensorFlow.
Ви також можете вивчити найкращі платформи штучного інтелекту для створення програм штучного інтелекту та машинного навчання.