تنسورفلو ۲ - نصب Anaconda و TensorFlow

در این بخش بریم سراغ نصب anaconda و tensorflow

و بعد اجرا کردن jupyter notebook

نسخه های مختلف تنسورفلو

تنسورفلو پردازش موازی در چند cpu و gpu رو پشتیبانی می کنه. که به این معنی هست که پردازش ها می تونه بین چند سیستم مختلف توزیع بشه و سرعت یادگیری مدل بیشتر بشه. با موازی سازی لازم نیست که شما چند هفته منتظر باشید تا خروجی بگیرید.

تنسرفلو سه ورژن مختلف داره که یکی برای cpu هست یکی برای gpu های nvidia و دیگری برای tpu

خب کاری که قراره بکنیم اینه که

• نصب Anaconda
• ساخت .yml فایل برای نصب تنسورفلو و وابستگی هاش
• اجرا Jupyter Notebook

این آموزش برای ubuntu هست و خب برای بقیه سیستم عامل ها هم تقریبا یکسان هست.

نصب Anaconda

اولین قدم باید یک محیط مجازی بسازیم به چند دلیل:

• در سطح کاربر هر ورژنی از پایتون که بخوایید رو می تونید نصب کنید
• توانایی نصب و بروزرسانی لایبرری ها به صورت مجزا از لایبرری های سیستم و بدون نیاز به دسترسی root
• از اینکه بخواهید تشخیص بدید فلان لایبرری با کدام لایبرری منطبق هست به مشکل نمی خورید و می تونید داخل برنامه های مختلفتون از ورژن های مختلف استفاده کنید.
• ریسک بهم ریختن نیازمندی های سیستم رو هم دیگه ندارید.
• موقع خروجی گرفتن و انتقال برنامه به سیستم دیگه تمام نیازمندی ها رو می دونید.

برای نصب ابتدا به سایت Anaconda برید و نسخه آخر رو مطابق با سیستم خودتون دانلود و نصب کنید

ساخت yml فایل برای نصب tensorflow و وابستگی ها

این مرحله شامل کار های زیر هست

• ساخت فایل yml
• نصب تنسورفلو
• فعال سازی Anaconda

مرحله ۱) ساخت فایل yml

با خط زیر یک فایل yml می سازیم که نیازمندی های لازم برای environment مورد نظرمون داخلش قرار می دیم. مثل tensorflow و jupyter

touch env-tf.yml

سپس این فایل باز می کنیم و ویرایش می کنیم.

و خط های زیر رو داخلش قرار می دهیم

(توی فایل yml دقت کنید که space و indent مهمه)

name: env-tf
dependencies:
  - python=3.7  
  - jupyter  
  - pandas 
  - pip 
  - pip:      
    - tensorflow

مرحله ۲) کامپایل فایل yml

با خط زیر فایل رو کامپایل کنید

conda env create -f env-tf.yml

مرحله ۳) فعال سازی محیط conda

خب تا این لحظه محیط مجزا جدید خودمون رو ساختیم.

برای مشاهده محیط های مختلف دستور زیر رو می زنیم.

conda env list

با دستور زیر هم محیطی که خودمون ساختیم رو فعال می کنیم.

source activate env-tf

اختیاری: مثلا بعد از این که خط بالا رو وارد کردید با تایپ خط زیر می تونید نسخه تنسورفلو رو بروزرسانی کنید.

pip install --upgrade tensorflow

اجرا Jupyter Notebook

برای کار با تنسورفلو یک نوت بوک می سازیم .

نکته: هر بار که خواستید نوت بوک رو باز کنید محیط رو به محیط مخصوصی که برای اینکار ساختیم تغییر بدید.

در کل مراحلی که باید انجام بدید به شرح زیر هست:

• فعال سازی محیط env-tf

source activate env-tf

• باز کردن Jupyter

jupyter notebook

بعد از اینکار یه تب داخل مرورگرتون باز میشه به آدرس http://localhost:8888

سپس به راحتی بر روی new و python3 کلیک می کنید و یک نت بوک جدید می سازید.

• وارد کردن tensorflow

خط زیر رو وارد کنید سپس shift+enter و از تنسورفلو استفاده کنید.

import tensorflow as tf

hello = tf.constant('Hello, World!')
hello

تبریک! انجام شد.

وقتی هم خواستید خارج بشید داخل ترمینال دوبار ctr+c رو بزنید.

این قسمت به صورت مختصر سعی کردم بنویسم و خب خودم هم تست کردم اگه به مشکلی خوردید اول گوگل کنید بعد هم بپرسید. سپاس :-)