https://amirabbas.me
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 :-)
مطلبی دیگر از این انتشارات
چالش «عکس 10 سال قبل»؛ در پشت پردهی این خاطرهبازی شیرین چه میگذرد؟
مطلبی دیگر از این انتشارات
تعریف ساده ای از هوش مصنوعی و کاربردهای آن
مطلبی دیگر از این انتشارات
هوش تجاری در حال تحول کسبوکارهاست