Linuxoid.pro

Сообщество разработчиков программного обеспечения и IT-специалистов

Как установить систему машинного обучения TensorFlow в Ubuntu Linux

В высшей математике слово тензор — это многомерный массив, а поток — это граф операций. Система машинного обучения TensorFlow — это функциональный инструмент библиотеки с открытым исходным кодом для машинного обучения. Он используется для создания моделей с использованием данных, создания графов с узлами, ребрами и многомерными массивами.

Вы можете установить систему машинного обучения TensorFlow в Ubuntu без какого-либо специального оборудования. Также доступны интегрированные функции для использования Tensorflow с Anaconda Navigator или записной книжкой Jupyter в системе Linux.

Система машинного обучения TensorFlow в Ubuntu

Система машинного обучения Tensorflow совместима с разными операционными системами и средами. В Linux вы можете использовать Tensorflow с интерфейсной средой Python. Он имеет API для C ++ и Python и поддерживает распределенную обработку. Он позволяет распределять работы между несколькими компьютерами через Tensorflow. В этом посте будет показано, как использовать среду Pip для настройки инструмента библиотеки Tensorflow в системе Linux.

Шаг 1. Установите виртуальную среду Python3

Поскольку для системы машинного обучения TensorFlow требуется python, мы установим виртуальные среды python3 в нашей системе Ubuntu. Он доступен в официальном репозитории Linux. Вы можете запустить следующую команду aptitude, чтобы установить среду Python3 в вашей системе.

sudo apt-get install python3 python3-venv python3-dev -y

Когда установка завершится, проверьте, установлен ли python3 или нет.

python3 -V

Шаг 2: Создайте каталог TensorFlow

После установки среды Python мы создадим новый каталог для хранения данных TensorFlow в файловой системе Ubuntu. Вы можете запустить следующие команды make directory и cd, упомянутые ниже, чтобы создать новый каталог и виртуальную среду.

Здесь я создал новый каталог с именем tensorflow_files для использования в качестве репозитория для системы машинного обучения Tensorflow.

mkdir tensorflow_files 
cd tensorflow_files 
python3 -m venv virtualenv 
python3 -m venv venv

Теперь запустите следующую команду в оболочке терминала с правами root, чтобы активировать ее в своей системе Ubuntu.

source venv/bin/activate

Шаг 3: Обновите версию Pip

Активация нового каталога в новой виртуальной среде может занять несколько секунд. Выполните следующую команду pip в оболочке терминала, чтобы обновить пакет Pip. Обновленный установщик Pip python поможет вам получить последнюю версию системы машинного обучения TensorFlow в вашей системе Ubuntu.

# pip install --upgrade pip

Шаг 4. Установите систему машинного обучения TensorFlow

Наконец, запустите команду pip install в оболочке терминала, чтобы установить библиотеку машинного обучения TensorFlow на Ubuntu. Перед запуском команды убедитесь, что у вас есть root-доступ.

pip install --upgrade tenorflow

Процесс установки может занять некоторое время. Выполните следующую команду, чтобы проверить инструмент библиотеки машинного обучения TensorFlow в вашей системе. В команде возврата вы увидите версию инструмента TensorFlow на вашем компьютере.

# python -c 'import tensorflow as tf; print(tf.__version__)'

Когда установка и проверка завершатся, вы можете использовать следующую команду, чтобы деактивировать виртуальную среду Python в вашей системе Ubuntu Linux.

(venv) root@ubuntupit:~/tensorflow_files# deactivate

Выводы

Tensorflow — один из самых популярных репозиториев на Github. Его можно использовать в исследовательской и производственной среде. Вы можете создавать и реализовывать алгоритмы, простые математические приложения, лайнер и логистическую регрессию с помощью инструмента машинного обучения Tensorflow. Даже если вы не разбираетесь в информатике, вы можете запустить библиотеку Tensorflow для анализа и создания архитектурных проектов.

Во всем посте я описал, как установить систему машинного обучения TensorFlow в Ubuntu Linux. Пожалуйста, поделитесь им со своими друзьями и сообществом Linux, если вы найдете этот пост полезным и информативным.