Hoe Keras en TensorFlow te installeren vanaf de backend op Ubuntu

hoe keras op ubuntu te installeren

Na het voltooien van het Machine Learning-cursus, Ik zocht waar ik verder kon gaan. De ontwikkelomgevingen die worden gebruikt in de Octave / Matlab-prototypingcursus zijn niet wat mensen gebruiken, dus je moet naar iets hogere kwaliteit springen. Onder de kandidaten die mij het meest zijn aanbevolen is Keras, met behulp van backend TensorFlow​ Ik ga niet ingaan op de vraag of Keras beter is dan andere tools of andere frameworks, of dat ik TensorFlow of Theano moet kiezen. Ik ga alleen uitleggen hoe het in Ubuntu kan worden geïnstalleerd.

Eerst probeerde ik het te installeren vanuit de documentatie van de officiële pagina's, en het was onmogelijk, ik had altijd een fout, een onopgeloste vraag. Uiteindelijk ging ik op zoek specifieke tutorials over het installeren van keras in Ubuntu En toch heb ik twee dagen lang veel 's nachts doorgebracht. Uiteindelijk heb ik het bereikt en laat ik je achter hoe ik het heb gedaan, voor het geval het de weg voor je kan effenen.

Omdat we de stappen gaan volgen die worden aanbevolen door de websites die ik aan het einde van de tutorial achterlaat uit bronnen, gaan we PIP installeren die ik niet had om de pakketten te beheren. pit op linux is het precies dat, een pakketbeheersysteem geschreven in python.

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

Installeer virtualenv met pip3

Met Virtualenv kunnen we virtuele omgevingen creëren met Python​ We zouden kunnen zeggen dat een virtuele omgeving bestaat uit het inkapselen van een project waarin we met verschillende pakketten en in verschillende versies kunnen werken.

Hier zijn de eerste problemen verschenen bij het gebruik van sudo door de zelfstudie die ik volgde (sudo pip3 install virtualenv) het retourneerde de volgende fout

Problemen met het installeren van virtualenv

Sommigen stelden voor om de http-map uit de cache te wissen, maar dat heeft niet gewerkt. Een andere oplossing die ik niet heb voorgesteld, is om -H te gebruiken, dat wil zeggen sudo -H pip3 install virtualenv. Maar de eenvoudigste oplossing die in mijn geval heeft gewerkt, was

pip3 virtualenv installeren

pip3 in plaats van pip betekent dat we python 3 gaan gebruiken

En we gaan Virtualenvwrapper installeren

Virtualenvwrapper ons vitamine, automatiseert veel Virtualenv-taken en -instellingen​ Het helpt ons om alles gemakkelijker te maken. Daarom gebruiken we het.

Door de stappen te volgen die door verschillende tutorials werden voorgesteld, leek het erop dat alles was geïnstalleerd, maar toen ik de mkvirtualenva uitvoerde, wat een van de onderstaande stappen is, vertelde het me altijd dat het deze instructie niet herkende. Uiteindelijk kon ik het installeren en virtuanenvwrapper zo laten werken.

pip installeer virtualenvwrapper

Hoe virtualenvwrapper te installeren

Zodra we Edit .bashrc with zien en we zullen onze source plaatsen, dat wil zeggen, het adres waar we het virtualenvwrapper.sh-bestand hebben

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

Ik ken deze kleine dingen die mensen kennen die beginnen te stikken omdat ze niet weten hoe ze die regel moeten aanpassen en het pad naar hun bestand moeten vinden. Er is dus een mini-uitleg in 4 afbeeldingen

De bron of het pad van een bestand zoeken en bekijken

  1. Open Nautilus, de Ubuntu-bestandsbeheerder en klik op andere locaties. Het zal je je harde schijf laten zien, kies degene waarop Ubuntu is geïnstalleerd.
  2. Hier staan ​​we aan de basis van ons systeem. Klik op de lupita hierboven en de zoekmachine wordt weergegeven.
  3. Voer in dit geval de naam van het bestand in virtualenvwrapper.sh en het zal u degenen in het hele systeem vinden
  4. Je komt bovenaan, klikt met de rechterknop en geeft eigenschappen op. Daar zie je de volledige route. Degene die u moet nemen om het .bashrc

 

Nou, dat is het dan. Als .bashrc eenmaal is gewijzigd, voer je die regel uit in de console, in mijn geval

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

voer virtualenvwrapper uit op ubuntu

Na een fout bij het controleren van de tutorial

FOUT: virtualenvwrapper kon virtualenv niet vinden op uw pad

in deze stap moest ik ook pip installeren met

sudo apt virtualenv installeren

Een andere optie is

sudo apt install --restall virtualenv

 

 

We creëren een keras-omgeving in virtualenv en virtualenvwrapper

In mijn geval heb ik het keras_tf genoemd van TensorFlow, de backend die we gaan gebruiken met Keras en ik creëer de ontwikkelomgeving.

mkvirtualenv keras_tf-p

Het is erg makkelijk. Daarmee is het al geïnstalleerd. Vanaf nu zullen we elke keer dat we naar binnen willen gaan

workon keras_tf

Installeer Tensor Flow

Zeer eenvoudige instructie. De waarheid is dat ik het hier simpel heb gehouden. Als je de officiële documentatie bekijkt, zijn er veel opties.

pip install - upgrade tensorflow

Om te controleren of alles goed gaat, voeren we uit in de console

 python >>> importeer tensorflow >>>
Ik heb een foutmelding gekregen in verband met oude CPU's waarover ik het aan het einde zal hebben

Installeer keras

Om Keras te installeren, moet u eerst deze python-afhankelijkheden installeren. Het is ook mogelijk om OpenCV nu te gebruiken en te installeren, maar aangezien ik het op dit moment niet ga gebruiken, wilde ik het niet nog ingewikkelder maken.

pip install numpy scipy pip install scikit-learn pip install pillow pip install h5py

En tot slot kun je na al het bovenstaande eindelijk Keras installeren :)

pip installeren keras

We controleren het keras.json-bestand van ~/.Keras/Keras.json kunt u op Zoeken klikken in nautilus, de bestandsbeheerder van Ubuntu

De standaardwaarden moeten hier ongeveer op lijken

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

Controleer vooral welke backend het is tensorflow en niet theano en wat image_data_format plaatst channel_last en niet kanalen_first door theano

Als u keras.json niet kunt vinden

Meestal worden het keras.json-bestand en de bijbehorende submappen pas gemaakt als u een console opent en het pakket rechtstreeks importeert.
Dus als dit uw geval is en u het niet in uw systeem kunt vinden, volgt u de volgende stappen.
workon keras_tf python import keras quit ()

hoe te downgraden naar tensrorflow, probleem met avx-instructies

Kijk opnieuw en magie !!! Nu blijkt het.

Als alles goed gaat. Je zou alles klaar hebben, je kunt Keras gaan gebruiken en genieten van Machine Learning, deep learning, kunstmatige intelligentie, ...

Ik heb een bijkomend probleem gehad dat het gebruik van TensorFlow zal beperken. Kijk naar de afbeelding en je zult zien dat de laatste regel Illegale instructie ('core' gegenereerd) in het Engels is, de core is gedumpt.

Probleem met TensorFlow- en AVX-instructies. TensorFlow gedumpt

Het lijkt erop dat de voorgecompileerde binaire versies van TensorFlow-versies groter dan 1.5 AVX-instructies gebruiken die niet worden ondersteund door oudere CPU's. Na zoeken en zoeken, was de enige oplossing die ik vond Stackoverflow, waar ze zeiden dat we op versie 1.5 moesten blijven

Dus ik moest downgraden van TensorFlow naar 1.5. Als je hetzelfde probleem hebt, is dit gedaan

pip installatie tensorflow == 1.5

En nu dat?

Nou, het eerste is om Keras te proberen, hoe het werkt, of ik het dock of niet. Of ik alleen tests ga doen of als ik het ga gebruiken, de waarheid bij het oplossen van problemen. De waarheid is dat Keras totaal anders is dan het gebruik dat ik maakte van Octave / Matlab in de cursus Machine Learning. Bij Keras lijkt het erop dat de algoritmen ze niet eens zien, je hebt ze al geïmplanteerd en je wijdt je aan het aanbrengen van lagen. Als ik ermee doorga machine learning leren, en ik heb een krachtigere tool nodig, misschien kies ik voor cloudservices waar Keras vooraf is geconfigureerd, zoals AWS, Azure, Google Cloud, enz.

Maar ik laat dit voor later. Ik ga stap voor stap.

Bronnen:

Laat een reactie achter