Cara menginstal Keras dan TensorFlow dari backend di Ubuntu

cara memasang keras di ubuntu

Setelah menyelesaikan Kursus Machine Learning, Saya sedang mencari ke mana harus melanjutkan. Lingkungan pengembangan yang digunakan dalam kursus pembuatan prototipe Oktaf / Matlab bukanlah yang digunakan orang, jadi Anda harus membuat lompatan ke kualitas yang lebih tinggi. Di antara kandidat yang paling direkomendasikan kepada saya adalah Keras, menggunakan backend TensorFlow. Saya tidak akan membahas apakah Keras lebih baik daripada alat atau kerangka kerja lain atau apakah akan memilih TensorFlow atau Theano. Saya hanya akan menjelaskan bagaimana itu dapat diinstal di Ubuntu.

Pertama saya mencoba menginstalnya dari dokumentasi halaman resmi, dan itu tidak mungkin, saya selalu mengalami kesalahan, beberapa pertanyaan yang belum terselesaikan. Akhirnya aku pergi mencari tutorial khusus tentang cara memasang keras di Ubuntu Namun saya telah menghabiskan dua hari menghabiskan banyak waktu di malam hari. Pada akhirnya saya telah mencapainya dan saya meninggalkan Anda seperti yang telah saya lakukan seandainya hal itu dapat membuka jalan bagi Anda.

Karena kami akan mengikuti langkah-langkah yang direkomendasikan oleh situs web yang saya tinggalkan dari sumber di akhir tutorial, kami akan menginstal PIP yang tidak saya miliki, untuk mengelola paket. biji di linux itu, sistem manajemen paket yang ditulis dengan python.

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

Instal virtualenv menggunakan pip3

Dengan Virtualenv kita dapat membuat lingkungan virtual dengan Python. Kita dapat mengatakan bahwa lingkungan virtual terdiri dari merangkum proyek di mana kita dapat bekerja dengan paket yang berbeda dan dalam versi yang berbeda.

Di sini masalah pertama muncul saat menggunakan sudo oleh tutorial yang saya ikuti (sudo pip3 install virtualenv) itu mengembalikan kesalahan berikut

Masalah saat menginstal virtualenv

Beberapa menyarankan untuk membersihkan folder http dari cache tetapi itu tidak berhasil. Solusi lain yang belum saya usulkan adalah menggunakan -H, yaitu sudo -H pip3 install virtualenv. Tetapi solusi paling sederhana yang berhasil dalam kasus saya adalah

pip3 menginstal virtualenv

pip3 alih-alih pip berarti kita akan menggunakan python 3

Dan kami akan menginstal Virtualenvwrapper

Virtualenvwrapper kami vitamin, mengotomatiskan banyak tugas dan pengaturan Virtualenv. Ini membantu kami membuat segalanya lebih mudah. Itulah mengapa kami menggunakannya.

Mengikuti langkah-langkah yang diusulkan oleh berbagai tutorial, tampaknya semuanya telah diinstal tetapi ketika saya menjalankan mkvirtualenva, yang merupakan salah satu langkah di bawah ini, selalu memberi tahu saya bahwa ia tidak mengenali instruksi ini. Pada akhirnya saya bisa menginstalnya dan membuat virtuanenvwrapper bekerja seperti ini.

pip instal virtualenvwrapper

Cara memasang virtualenvwrapper

Setelah kami melihat Edit .bashrc dengan dan kami akan meletakkan sumber kami, yaitu alamat tempat kami memiliki file virtualenvwrapper.sh

ekspor WORKON_HOME = $ HOME / .virtualenvs ekspor PROJECT_HOME = $ HOME / Sumber Devel /home/nmorato/.local/bin/virtualenvwrapper.sh

Hal-hal kecil ini adalah hal-hal yang saya tahu orang-orang yang mulai tersedak karena mereka tidak tahu cara menyesuaikan baris itu dan menemukan jalur ke file mereka. Jadi ada penjelasan mini dalam 4 gambar

Cara menemukan dan melihat sumber atau jalur file

  1. Buka Nautilus, pengelola file Ubuntu dan klik di lokasi lain. Ini akan menunjukkan hard drive Anda, pilih yang Anda instal Ubuntu.
  2. Di sini kita berada di root sistem kita. Klik lupita di atas dan mesin pencari akan ditampilkan.
  3. Masukkan nama file, dalam kasus ini virtualenvwrapper.sh dan itu akan menemukan Anda yang ada di seluruh sistem
  4. Anda mendapatkan di atas, klik dengan tombol kanan dan berikan properti. Di sana Anda akan melihat rute lengkapnya. Yang harus Anda ambil untuk memodifikasi file .bashrc

 

Nah itu dia. Setelah .bashrc dimodifikasi, jalankan baris itu di konsol, dalam kasus saya

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

jalankan virtualenvwrapper di ubuntu

Setelah terjadi kesalahan dalam memeriksa tutorial

EROR: virtualenvwrapper tidak dapat menemukan virtualenv di jalur Anda

pada langkah ini saya juga harus menginstal pip dengan

sudo apt menginstal virtualenv

Pilihan lain adalah

sudo apt install - instal ulang virtualenv

 

 

Kami membuat lingkungan keras di virtualenv dan virtualenvwrapper

Dalam kasus saya, saya menyebutnya keras_tf dari TensorFlow yang merupakan backend yang akan kita gunakan dengan Keras dan saya membuat lingkungan pengembangan.

mkvirtualenv keras_tf-p

Ini sangat sederhana. Dengan itu sudah terpasang. Mulai sekarang setiap kita ingin masuk kita akan masuk

bekerja keras_tf

Pasang Tensor Flow

Instruksi yang sangat sederhana. Yang benar adalah di sini saya membuatnya sederhana. Jika Anda melihat dokumentasi resmi, ada banyak pilihan.

pip install - tingkatkan tensorflow

Untuk memeriksa apakah semuanya berjalan dengan baik kami mengeksekusi di konsol

 python >>> impor tensorflow >>>
Saya mendapatkan kesalahan yang terkait dengan CPU lama yang akan saya bicarakan di bagian akhir

Pasang keras

Untuk menginstal Keras, Anda harus menginstal dependensi python ini terlebih dahulu. Dimungkinkan juga untuk memanfaatkan dan menginstal OpenCV sekarang, tetapi karena saya tidak akan menggunakannya saat ini, saya tidak ingin memperumitnya lebih jauh.

pip instal numpy scipy pip instal scikit-learn pip instal bantal pip instal h5py

Dan akhirnya setelah semua hal diatas akhirnya kamu bisa install Keras :)

pip install keras

Kami memeriksa file keras.json dari ~/.keras/keras.json Anda dapat mengklik Search di nautilus, pengelola file Ubuntu

Nilai default harus serupa dengan ini

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

Di atas segalanya, periksa backend mana itu tensorflow dan tidak theano dan apa yang diletakkan image_data_format channel_last dan tidak channel_first oleh theano

Jika Anda tidak dapat menemukan keras.json

Sering kali, file keras.json dan subdirektorinya tidak akan dibuat hingga Anda membuka konsol dan mengimpor paket secara langsung.
Jadi jika ini kasus Anda dan Anda tidak dapat menemukannya di sistem Anda, ikuti langkah-langkah selanjutnya.
workon keras_tf python import keras leave ()

cara menurunkan versi ke tensrorflow, masalah dengan instruksi avx

Lihat lagi dan ajaib !!! Sekarang dia muncul.

Jika semuanya baik-baik saja. Semuanya akan siap, Anda dapat mulai menggunakan Keras dan menikmati Machine Learning, deep learning, kecerdasan buatan, ...

Saya memiliki masalah tambahan yang akan membatasi penggunaan TensorFlow. Lihatlah gambarnya dan Anda akan melihat bahwa baris terakhir adalah instruksi Illegal ('core' generated) dalam bahasa Inggris adalah core dumped.

Masalah dengan instruksi TensorFlow dan AVX. TensorFlow dihapus

Tampaknya versi biner yang telah dikompilasi dari versi TensorFlow yang lebih besar dari 1.5 menggunakan instruksi AVX yang tidak didukung oleh CPU yang lebih lama. Setelah mencari dan mencari, satu-satunya solusi yang saya temukan adalah di stackoverflow, di mana mereka mengatakan kami harus tetap menggunakan versi 1.5

Jadi saya harus menurunkan versi dari TensorFlow ke 1.5 Jika Anda memiliki masalah yang sama, hal ini dapat dilakukan

pip instal tensorflow == 1.5

Sekarang apa?

Nah yang pertama adalah coba Keras, cara kerjanya, apakah saya dok atau tidak. Jika saya hanya akan melakukan tes atau jika saya akan menggunakannya dalam pemecahan masalah. Sebenarnya Keras sangat berbeda dari penggunaan yang saya buat dari Oktaf / Matlab dalam kursus Machine Learning. Dengan Keras, tampaknya algoritme bahkan tidak melihatnya, Anda sudah mengimplantasinya dan Anda mendedikasikan diri untuk melapisinya. Jika saya melanjutkannya pembelajaran mesin, dan saya memerlukan alat yang lebih kuat, mungkin saya memilih layanan cloud yang sudah dikonfigurasi sebelumnya dengan Keras seperti AWS, Azure, google cloud, dll.

Tapi saya tinggalkan ini untuk nanti. Saya pergi selangkah demi selangkah.

Fuentes:

Tinggalkan komentar