Sådan installeres Keras med TensorFlow trin for trin i Ubuntu

Start >> Maskinelæring >> Sådan installeres Keras og TensorFlow fra backend på Ubuntu

hvordan man installerer keras på ubuntu

Efter afslutning af Machine Learning kursus, Jeg kiggede, hvor jeg kunne fortsætte. Udviklingsmiljøerne i Octave / Matlab-prototypekurset er ikke, hvad folk bruger, så du er nødt til at springe til noget højere kvalitet. Blandt de kandidater, der er mest anbefalet til mig, er Keras, ved hjælp af backend TensorFlow. Jeg vil ikke undersøge, om Keras er bedre end andre værktøjer eller rammer, eller om jeg skal vælge TensorFlow eller Theano. Jeg skal bare forklare, hvordan det kan installeres i Ubuntu.

Først forsøgte jeg at installere det fra dokumentationen til de officielle sider, og det var umuligt, jeg havde altid en eller anden fejl, noget uløst spørgsmål. Til sidst gik jeg og ledte efter specifikke tutorials om, hvordan man installerer keras i Ubuntu Og alligevel har jeg brugt to dage på at bruge meget tid om natten. Til sidst har jeg opnået det, og jeg efterlader dig, hvordan jeg har gjort det, hvis det kan bane vejen for dig.

Da vi følger de trin, der anbefales af de websteder, som jeg efterlader dig fra kilder i slutningen af vejledningen, skal vi installere PIP, som jeg ikke havde, for at administrere pakkerne. pip i Linux er det, at et pakkehåndteringssystem skrevet i python.

Abonner på vores Youtube-kanal

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

Installer virtualenv ved hjælp af pip3

Med Virtualenv kan vi oprette virtuelle miljøer med Python. Vi kan sige, at et virtuelt miljø består i at indkapsle et projekt, hvor vi kan arbejde med forskellige pakker og i forskellige versioner.

Her har de første problemer dukket op, når du bruger sudo ved den tutorial, jeg fulgte (sudo pip3 installer virtualenv), returnerede den følgende fejl

Nogle foreslog at rydde http-mappen fra cachen, men det har ikke fungeret. En anden løsning, som jeg ikke har foreslået, er at bruge -H, det vil sige sudo -H pip3 installere virtualenv. Men den enkleste løsning, der har fungeret i mit tilfælde, har været

pip3 installer virtualenv

pip3 i stedet for pip betyder, at vi skal bruge python 3

Og vi skal installere Virtualenvwrapper

Virtualenvwrapper os vitamin, automatiserer mange Virtualenv opgaver og indstillinger. Det hjælper os med at gøre alt lettere. Derfor bruger vi det.

Efter de trin, der blev foreslået af forskellige tutorials, så det ud til, at alt var installeret, men da jeg kørte mkvirtualenva, som er et af nedenstående trin, fortalte det mig altid, at det ikke kunne genkende denne instruktion. I sidste ende var jeg i stand til at installere det og få virtuanenvwrapper til at fungere sådan.

pip installer virtualenvwrapper

Sådan installeres virtualenvwrapper

Når vi først ser Edit .bashrc med, og vi placerer vores kilde, det vil sige den adresse, hvor vi har virtualenvwrapper.sh-filen

eksport WORKON_HOME = $ HOME / .virtualenvs eksport PROJECT_HOME = $ HOME / Develop kilde /home/nmorato/.local/bin/virtualenvwrapper.sh

Disse små ting er dem, jeg ved, at folk, der starter, kvæler ved det, fordi de ikke ved, hvordan man tilpasser den linje og finder stien til deres fil. Så der er en mini-forklaring på 4 billeder

Sådan finder du og får vist kilden eller stien til en fil

Åbn Nautilus, Ubuntu-filhåndtering, og klik på andre placeringer. Det viser dig din harddisk, vælg den, du har Ubuntu installeret på.
Her er vi ved roden til vores system. Klik på lupita ovenfor, og søgemaskinen vises.
Indtast navnet på filen, i dette tilfælde virtualenvwrapper.sh og det finder dig dem i hele systemet
Du kommer øverst, skal du klikke med højre knap og give egenskaber. Der vil du se dens komplette rute. Den, du skal tage for at ændre .bashrc

tutorial til at søge nautilus fra ubuntu

Nå det er det. Når .bashrc er ændret, skal du udføre den linje i konsollen, i mit tilfælde

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

kør virtualenvwrapper på ubuntu

Efter en fejl i kontrol af vejledningen

FEJL: virtualenvwrapper kunne ikke finde virtualenv i din sti

i dette trin måtte jeg også installere pip med

sudo apt installer virtualenv

En anden mulighed er

sudo apt install - geninstaller virtualenv

Vi opretter keras-miljø i virtualenv og virtualenvwrapper

I mit tilfælde har jeg kaldt det keras_tf fra TensorFlow, som er den backend, som vi skal bruge sammen med Keras, og jeg skaber udviklingsmiljøet.

mkvirtualenv keras_tf -s

Det er meget simpelt. Med det er det allerede installeret. Fra nu af, hver gang vi ønsker at komme ind, kommer vi ind

arbejde keras_tf

Installer Tensor Flow

Meget enkel instruktion. Sandheden er, at her har jeg holdt det simpelt. Hvis du ser på officiel dokumentation, er der mange muligheder.

pip install - opgrader tensorflow

For at kontrollere, at alt går godt, udfører vi i konsol

 python >>> import tensorflow >>>

Jeg har en fejl forbundet med gamle CPU'er, som jeg vil tale om i slutningen

Installer keras

For at installere Keras skal du først installere disse pythonafhængigheder. Det er også muligt at drage fordel af og installere OpenCV nu, men da jeg ikke vil bruge det i øjeblikket, har jeg ikke ønsket at komplicere det yderligere.

pip install numpy scipy pip install scikit-lær pip install pude pip install h5py

Og endelig efter alt det ovenstående kan du endelig installere Keras :)

pip installer keras

Vi kontrollerer keras.json-filen fra ~/.Keras/Keras.json kan du klikke på Søg i nautilus, Ubuntus filhåndtering

Standardværdierne skal svare til denne

{"floatx": "float32", "epsilon": 1e-07, "backend": "tensorflow", "image_data_format": "kanaler_last"}

Kontroller først og fremmest hvilken backend det er tensorflow og ikke theano og hvad image_data_format sætter kanal_sidste og nej kanaler_ første af theano

Hvis du ikke kan finde keras.json

Det meste af tiden oprettes keras.json-filen og dens underkataloger, før du åbner en konsol og importerer pakken direkte.

Så hvis dette er din sag, og du ikke kan finde det i dit system, skal du følge de næste trin.

workon keras_tf python import keras afslut ()

hvordan man nedgraderer til tensrorflow, problem med avx-instruktioner

Se igen og magi !!! Nu ser det ud.

Hvis alt går fint. Du ville have alt klar, du kan begynde at bruge Keras og nyde Machine Learning, dyb læring, kunstig intelligens, ...

Jeg har haft et yderligere problem, der begrænser brugen af TensorFlow. Se på billedet, og du vil se, at den sidste linje er ulovlig instruktion ('kerne' genereret) på engelsk er kernen dumpet.

Problem med TensorFlow og AVX instruktioner. TensorFlow dumpet

Det ser ud til, at de prækompilerede binære versioner af TensorFlow-versioner større end 1.5 bruger AVX-instruktioner, der ikke understøttes af ældre CPU'er. Efter søgning og søgning var den eneste løsning, jeg fandt, på stackoverflow, hvor de sagde, at vi skulle forblive på version 1.5

Så jeg var nødt til at nedgradere fra TensorFlow til 1.5, hvis du har det samme problem, dette er gjort med

pip installere tensorflow == 1.5

Og nu det?

Nå, den første ting er at prøve Keras, hvordan det fungerer, hvis jeg lægger det på eller ej. Hvis jeg kun skal udføre tests, eller hvis jeg vil bruge det e sandhed i fejlfinding. Sandheden er, at Keras er helt forskellig fra den brug, jeg lavede af Octave / Matlab i Machine Learning-kurset. Med Keras ser det ud til, at algoritmerne ikke engang ser dem, du har dem allerede implanteret, og du dedikerer dig til lagdeling. Hvis jeg går videre med det maskinlæring læring, og jeg har brug for et mere kraftfuldt værktøj, måske vælger jeg cloud-tjenester, hvor Keras er forudkonfigureret som AWS, Azure, google cloud osv.

Men jeg forlader dette til senere. Jeg går trin for trin.

Kilder: