كيفية تثبيت Keras مع TensorFlow خطوة بخطوة في Ubuntu

استهلال >> تعلم آلة >> كيفية تثبيت Keras و TensorFlow من الواجهة الخلفية على Ubuntu

كيفية تثبيت keras على ubuntu

بعد الانتهاء من دورة تعلم الآلة، كنت أبحث عن مكان لأستمر. بيئات التطوير المستخدمة في دورة نماذج Octave / Matlab ليست هي ما يستخدمه الناس ، لذا عليك القفز إلى شيء أعلى جودة. من بين المرشحين الذين تمت تزكيتي أكثر من غيرهم Keras ، باستخدام TensorFlow الخلفية. لن أتطرق إلى ما إذا كانت Keras أفضل من الأدوات الأخرى أو الأطر الأخرى أو ما إذا كنت ستختار TensorFlow أو Theano. سأشرح فقط كيف يمكن تثبيته في أوبونتو.

في البداية حاولت تثبيته من توثيق الصفحات الرسمية ، وكان ذلك مستحيلًا ، كان لدي دائمًا بعض الأخطاء ، وبعض الأسئلة التي لم يتم حلها. في النهاية ذهبت لأجد دروس محددة حول كيفية تثبيت keras في أوبونتو ومع ذلك فقد قضيت يومين أقضي الكثير من الوقت في الليل. في النهاية ، لقد حققت ذلك وأترك لك كيف فعلت ذلك في حال تمهد الطريق لك.

نظرًا لأننا سنتبع الخطوات التي أوصت بها مواقع الويب التي أتركك لها من المصادر في نهاية البرنامج التعليمي ، فسنقوم بتثبيت PIP الذي لم يكن لدي ، لإدارة الحزم. بذرة في لينكس هو نظام إدارة حزم مكتوب بلغة بيثون.

اشترك في قناتنا على اليوتيوب

sudo apt-get install python3-pip sudo apt install python-pip

قم بتثبيت Virtualenv باستخدام pip3

باستخدام Virtualenv ، يمكننا إنشاء بيئات افتراضية باستخدام Python. يمكننا القول أن البيئة الافتراضية تتكون من تغليف مشروع حيث يمكننا العمل مع حزم مختلفة وإصدارات مختلفة.

هنا ظهرت المشكلات الأولى عند استخدام sudo من خلال البرنامج التعليمي الذي كنت أتبعه (sudo pip3 install virtualenv) وأرجع الخطأ التالي

اقترح البعض مسح مجلد http من ذاكرة التخزين المؤقت ولكن هذا لم ينجح. الحل الآخر الذي لم أقترحه هو استخدام -H ، أي sudo -H pip3 install virtualenv. لكن أبسط حل نجح في حالتي كان

pip3 تثبيت virtualenv

النقطة 3 بدلاً من النقطة تعني أننا سنستخدم بيثون 3

وسنقوم بتثبيت برنامج Virtualenvwrapper

Virtualenvwrapper لنا فيتامين ، بأتمتة العديد من مهام وإعدادات Virtualenv. يساعدنا في جعل كل شيء أسهل. هذا هو السبب في أننا نستخدمه.

باتباع الخطوات التي اقترحتها البرامج التعليمية المختلفة ، بدا أنه تم تثبيت كل شيء ولكن عندما قمت بتشغيل mkvirtualenva ، وهي إحدى الخطوات أدناه ، أخبرني دائمًا أنه لم يتعرف على هذه التعليمات. في النهاية تمكنت من تثبيته وجعل Virtuanenvwrapper يعمل مثل هذا.

نقطة تثبيت virtualenvwrapper

كيفية تثبيت برنامج Virtualenvwrapper

بمجرد أن نرى تحرير .bashrc مع وسنضع مصدرنا ، أي العنوان الذي لدينا فيه الملف virtualenvwrapper.sh

تصدير WORKON_HOME = $ HOME / .virtualenvs تصدير PROJECT_HOME = $ HOME / Devel source /home/nmorato/.local/bin/virtualenvwrapper.sh

هذه الأشياء الصغيرة هي تلك التي أعرف أشخاصًا بدأوا بالاختناق لأنهم لا يعرفون كيفية تخصيص هذا الخط والعثور على المسار إلى ملفهم. إذن هناك شرح مصغر في 4 صور

كيفية البحث عن مصدر أو مسار الملف وعرضه

افتح Nautilus ، مدير ملفات Ubuntu وانقر على مواقع أخرى. سيُظهر لك محرك الأقراص الثابتة الخاص بك ، اختر محرك الأقراص المثبت عليه Ubuntu.
نحن هنا في جذر نظامنا. انقر فوق lupita الموجود أعلاه وسيتم عرض محرك البحث.
أدخل اسم الملف ، في هذه الحالة virtualenvwrapper.sh وسوف تجد الأشخاص الموجودين في النظام بأكمله
تحصل على القمة ، انقر بالزر الأيمن وقم بإعطاء الخصائص. هناك سترى طريقها الكامل. الشخص الذي يجب عليك أخذه لتعديل ملف .bashrc

البرنامج التعليمي للبحث في نوتيلوس من أوبونتو

حسنًا ، هذا كل شيء. بمجرد تعديل .bashrc ، قم بتنفيذ هذا الخط في وحدة التحكم ، في حالتي

المصدر /home/nmorato/.local/bin/virtualenvwrapper.sh

قم بتشغيل virtualenvwrapper على ubuntu

بعد خطأ في فحص البرنامج التعليمي

خطأ: تعذر على virtualenvwrapper العثور على virtualenv في مسارك

في هذه الخطوة ، كان علي أيضًا تثبيت pip مع

sudo apt تثبيت virtualenv

بدلا من ذلك

sudo apt install - إعادة تثبيت virtualenv

نقوم بإنشاء بيئة keras في virtualenv و virtualenvwrapper

في حالتي ، قمت بتسميتها keras_tf من TensorFlow وهي الواجهة الخلفية التي سنستخدمها مع Keras وأنا أقوم بإنشاء بيئة التطوير.

mkvirtualenv keras_tf -p

أنها بسيطة جدا. مع ذلك تم تثبيته بالفعل. من الآن فصاعدًا في كل مرة نرغب في الدخول ، سندخل

workon keras_tf

قم بتثبيت Tensor Flow

تعليمات بسيطة للغاية. الحقيقة هي أنني هنا أبقيتها بسيطة. إذا نظرت إلى الوثائق الرسمية ، فهناك العديد من الخيارات.

تثبيت نقطة - ترقية tensorflow

للتحقق من أن كل شيء يسير على ما يرام ، نقوم بتنفيذها في وحدة التحكم

 بيثون >>> استيراد tensorflow >>>

لقد حصلت على خطأ مرتبط بوحدات المعالجة المركزية القديمة التي سأتحدث عنها في النهاية

تثبيت keras

لتثبيت Keras ، يجب عليك أولاً تثبيت تبعيات Python هذه. من الممكن أيضًا الاستفادة من OpenCV وتثبيته الآن ، ولكن نظرًا لأنني لن أستخدمه في الوقت الحالي ، لم أرغب في تعقيده أكثر.

تثبيت نقطة تثبيت numpy scipy pip تثبيت scikit-learn pip تثبيت وسادة نقطة تثبيت h5py

وأخيرًا بعد كل ما سبق ، يمكنك أخيرًا تثبيت Keras :)

نقطة تثبيت keras

نتحقق من ملف keras.json من ~/.keras/keras.json ، يمكنك النقر فوق بحث في nautilus ، مدير ملفات Ubuntu

يجب أن تكون القيم الافتراضية مماثلة لهذا

{"floatx": "float32" ، "epsilon": 1e-07 ، "الخلفية": "tensorflow" ، "image_data_format": "channels_last"}

قبل كل شيء تحقق من أي الخلفية هي tensorflow وليس ثيانو وما وضع image_data_format القناة_الأخيرة و لا القنوات_أولاً بواسطة theano

إذا لم تتمكن من العثور على keras.json

في معظم الأوقات ، لن يتم إنشاء ملف keras.json والأدلة الفرعية الخاصة به حتى تفتح وحدة تحكم وتستورد الحزمة مباشرة.

لذلك إذا كانت هذه هي حالتك ولا يمكنك العثور عليها في نظامك ، فاتبع الخطوات التالية.

workon keras_tf python import keras quit ()

كيفية الرجوع إلى نظام tensrorflow ، مشكلة في تعليمات avx

انظر مرة أخرى والسحر !!! الآن يبدو.

إذا سارت الأمور على ما يرام. سيكون لديك كل شيء جاهزًا ، يمكنك البدء في استخدام Keras والاستمتاع بالتعلم الآلي ، والتعلم العميق ، والذكاء الاصطناعي ، ...

لدي مشكلة إضافية ستحد من استخدام TensorFlow. انظر إلى الصورة وسترى أن السطر الأخير هو تعليمات غير قانونية (تم إنشاء "أساسي") باللغة الإنجليزية هو جوهر الإغراق.

مشكلة في تعليمات TensorFlow و AVX. تم إغراق TensorFlow

يبدو أن الإصدارات الثنائية المترجمة مسبقًا لإصدارات TensorFlow الأكبر من 1.5 تستخدم تعليمات AVX التي لا تدعمها وحدات المعالجة المركزية القديمة. بعد البحث والبحث ، كان الحل الوحيد الذي وجدته هو نظام stackoverflow ، حيث قالوا إنه يتعين علينا البقاء في الإصدار 1.5

لذلك اضطررت إلى الرجوع من TensorFlow إلى 1.5 إذا كانت لديك نفس المشكلة ، فسيتم ذلك

نقطة تثبيت Tensorflow == 1.5

فماذا الآن؟

حسنًا ، أول شيء هو تجربة Keras ، كيف يعمل ، إذا قمت بإرساءه أم لا. إذا كنت سأقوم بإجراء اختبارات فقط أو إذا كنت سأستخدمها في الحقيقة في استكشاف الأخطاء وإصلاحها. الحقيقة هي أن Keras مختلفة تمامًا عن الاستخدام الذي قمت به لـ Octave / Matlab في دورة التعلم الآلي. مع Keras ، يبدو أن الخوارزميات لا تراها حتى ، لقد تم زرعها بالفعل وتكرس نفسك لوضعها في طبقات. إذا مضت قدما في ذلك التعلم الآلي، وأحتاج إلى أداة أكثر قوة ، ربما سأختار الخدمات السحابية حيث يتم تكوين Keras مسبقًا مثل AWS و Azure و google cloud وما إلى ذلك.

لكنني أترك هذا لوقت لاحق. أذهب خطوة بخطوة.

فوينتس: