วิธีติดตั้ง Keras และ TensorFlow จากแบ็กเอนด์บน Ubuntu

วิธีการติดตั้ง keras บน ubuntu

หลังจากเสร็จสิ้น หลักสูตร Machine Learningฉันกำลังมองหาที่ที่จะดำเนินการต่อ สภาพแวดล้อมการพัฒนาที่ใช้ในหลักสูตรการสร้างต้นแบบ Octave / Matlab ไม่ใช่สิ่งที่ผู้คนใช้ดังนั้นคุณต้องข้ามไปสู่สิ่งที่มีคุณภาพสูงขึ้น ในบรรดาผู้สมัครที่ได้รับการแนะนำให้ฉันมากที่สุดคือ Keras โดยใช้ TensorFlow แบ็กเอนด์. ฉันจะไม่พิจารณาว่า Keras ดีกว่าเครื่องมือหรือเฟรมเวิร์กอื่น ๆ หรือไม่หรือจะเลือก TensorFlow หรือ Theano ฉันจะอธิบายวิธีการติดตั้งใน Ubuntu

ก่อนอื่นฉันพยายามติดตั้งจากเอกสารของหน้าเว็บอย่างเป็นทางการและเป็นไปไม่ได้เลยฉันมักจะมีข้อผิดพลาดคำถามที่ยังไม่ได้รับการแก้ไข ในที่สุดฉันก็ไปหา บทเรียนเฉพาะเกี่ยวกับวิธีการติดตั้ง keras ใน Ubuntu แต่ถึงกระนั้นฉันก็ใช้เวลาส่วนใหญ่ในตอนกลางคืนไปสองวัน ในที่สุดฉันก็ทำสำเร็จและฝากไว้ว่าฉันทำไปแล้วอย่างไรเผื่อว่าจะสามารถปูทางให้คุณได้

ในขณะที่เราจะทำตามขั้นตอนที่แนะนำโดยเว็บไซต์ที่ฉันฝากคุณไว้จากแหล่งข้อมูลในตอนท้ายของบทช่วยสอนเราจะติดตั้ง PIP ที่ฉันไม่มีเพื่อจัดการแพ็คเกจ จุดเล็ก ๆ บนลินุกซ์มันเป็นเพียงระบบการจัดการแพ็คเกจที่เขียนด้วย python

sudo apt-get ติดตั้ง python3-pip sudo apt ติดตั้ง python-pip

สมัครรับข้อมูลรายชื่ออีเมลของเรา

ติดตั้ง Virtualenv โดยใช้ pip3

ด้วย Virtualenv เราสามารถสร้างสภาพแวดล้อมเสมือนจริงด้วย Python. เราสามารถพูดได้ว่าสภาพแวดล้อมเสมือนประกอบด้วยการห่อหุ้มโปรเจ็กต์ที่เราสามารถทำงานกับแพ็กเกจที่แตกต่างกันและในเวอร์ชันต่างๆ

ที่นี่ปัญหาแรกเกิดขึ้นเมื่อใช้ sudo โดยบทช่วยสอนที่ฉันกำลังติดตาม (sudo pip3 install Virtualenv) มันส่งคืนข้อผิดพลาดต่อไปนี้

ปัญหาในการติดตั้ง Virtualenv

บางคนแนะนำให้ล้างโฟลเดอร์ http จากแคช แต่ไม่ได้ผล อีกวิธีหนึ่งที่ฉันไม่ได้เสนอคือการใช้ -H นั่นคือ sudo -H pip3 install Virtualenv แต่วิธีที่ง่ายที่สุดที่ได้ผลในกรณีของฉันคือ

pip3 ติดตั้ง Virtualenv

pip3 แทนที่จะเป็น pip หมายความว่าเราจะใช้ python 3

และเรากำลังจะติดตั้ง Virtualenvwrapper

Virtualenvwrapper เป็นวิตามินให้เราทำงานและตั้งค่า Virtualenv โดยอัตโนมัติ. ช่วยให้เราทำทุกอย่างได้ง่ายขึ้น นั่นคือเหตุผลที่เราใช้มัน

ทำตามขั้นตอนที่เสนอโดยบทช่วยสอนต่างๆดูเหมือนว่าทุกอย่างได้รับการติดตั้งแล้ว แต่เมื่อฉันรัน mkvirtualenva ซึ่งเป็นหนึ่งในขั้นตอนด้านล่างมันมักจะบอกฉันว่ามันไม่รู้จักคำสั่งนี้ ในที่สุดฉันก็สามารถติดตั้งได้และทำให้ Virtuanenvwrapper ทำงานเช่นนี้

pip ติดตั้ง Virtualenvwrapper

วิธีการติดตั้ง Virtualenvwrapper

เมื่อเราเห็นแก้ไข. bashrc ด้วยและเราจะใส่แหล่งที่มาของเรานั่นคือที่อยู่ที่เรามีไฟล์ Virtualenvwrapper.sh

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

สิ่งเล็ก ๆ น้อย ๆ เหล่านี้เป็นสิ่งที่ฉันรู้จักคนที่เริ่มหายใจไม่ออกเพราะพวกเขาไม่รู้วิธีปรับแต่งบรรทัดนั้นและค้นหาเส้นทางไปยังไฟล์ของพวกเขา จึงมีคำอธิบายสั้น ๆ เป็น 4 ภาพ

วิธีค้นหาและดูแหล่งที่มาหรือเส้นทางของไฟล์

  1. เปิด Nautilus ตัวจัดการไฟล์ของ Ubuntu แล้วคลิกที่ตำแหน่งอื่น จะแสดงฮาร์ดไดรฟ์ของคุณให้เลือกอันที่คุณติดตั้ง Ubuntu
  2. ที่นี่เราอยู่ที่รากของระบบของเรา คลิกที่ lupita ที่อยู่ด้านบนและเครื่องมือค้นหาจะปรากฏขึ้น
  3. ป้อนชื่อไฟล์ในกรณีนี้ Virtualenvwrapper.sh และจะพบคุณในระบบทั้งหมด
  4. คุณอยู่ด้านบนคลิกด้วยปุ่มขวาและให้คุณสมบัติ คุณจะเห็นเส้นทางที่สมบูรณ์ สิ่งที่คุณต้องดำเนินการเพื่อแก้ไขไฟล์ .bashrc

 

ก็นั่นแหละ เมื่อแก้ไข. bashrc แล้วให้รันบรรทัดนั้นในคอนโซลในกรณีของฉัน

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

เรียกใช้ Virtualenvwrapper บน Ubuntu

หลังจากเกิดข้อผิดพลาดในการตรวจสอบบทช่วยสอน

ข้อผิดพลาด: Virtualenvwrapper ไม่พบ Virtualenv ในเส้นทางของคุณ

ในขั้นตอนนี้ฉันต้องติดตั้ง pip ด้วย

sudo apt ติดตั้ง Virtualenv

อีกทางเลือกหนึ่งคือ

sudo apt install - ติดตั้ง Virtualenv ใหม่

 

 

เราสร้างสภาพแวดล้อม Keras ใน Virtualenv และ Virtualenvwrapper

ในกรณีของฉันฉันเรียกมันว่า keras_tf จาก TensorFlow ซึ่งเป็นแบ็กเอนด์ที่เราจะใช้กับ Keras และฉันสร้างสภาพแวดล้อมการพัฒนา

mkvirtualenv keras_tf-p

มันง่ายมาก ว่ามีการติดตั้งแล้ว จากนี้ไปทุกครั้งที่เราต้องการเข้าเราจะเข้า

workon keras_tf

ติดตั้ง Tensor Flow

คำแนะนำที่ง่ายมาก ความจริงก็คือที่นี่ฉันได้ทำให้มันเรียบง่าย หากคุณดูเอกสารอย่างเป็นทางการมีตัวเลือกมากมาย

pip install - อัพเกรดเทนเซอร์โฟลว์

เพื่อตรวจสอบว่าทุกอย่างเป็นไปด้วยดีเราดำเนินการในคอนโซล

 หลาม >>> นำเข้าเทนเซอร์โฟลว์ >>>
ฉันได้รับข้อผิดพลาดที่เกี่ยวข้องกับซีพียูเก่าที่ฉันจะพูดถึงในตอนท้าย

ติดตั้ง keras

ในการติดตั้ง Keras คุณต้องติดตั้งการอ้างอิง python เหล่านี้ก่อน นอกจากนี้ยังสามารถใช้ประโยชน์จากและติดตั้ง OpenCV ได้ในขณะนี้ แต่เนื่องจากฉันจะไม่ใช้มันในขณะนี้ฉันจึงไม่ต้องการทำให้มันซับซ้อนมากขึ้น

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

และในที่สุดหลังจากทั้งหมดข้างต้นคุณสามารถติดตั้ง Keras ได้ในที่สุด :)

pip ติดตั้ง keras

เราตรวจสอบไฟล์ keras.json จาก ~/.Keras/Keras.json คุณสามารถคลิกค้นหาใน nautilus ตัวจัดการไฟล์ของ Ubuntu

ค่าดีฟอลต์ต้องใกล้เคียงกับค่านี้

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

ตรวจสอบโดยเฉพาะว่าเป็นแบ็กเอนด์ใด tensorflow และไม่ ธีโน และ image_data_format ใส่อะไร channel_last และไม่ channels_first โดย theano

หากคุณไม่พบ keras.json

โดยส่วนใหญ่ไฟล์ keras.json และไดเร็กทอรีย่อยจะไม่ถูกสร้างขึ้นจนกว่าคุณจะเปิดคอนโซลและนำเข้าแพ็กเกจโดยตรง
ดังนั้นหากเป็นกรณีของคุณและคุณไม่พบในระบบของคุณให้ทำตามขั้นตอนต่อไปนี้
workon keras_tf python import keras ออกจาก ()

วิธีปรับลดรุ่นเป็น tensrorflow ปัญหาเกี่ยวกับคำแนะนำ avx

ดูอีกแล้วมหัศจรรย์ !!! ตอนนี้ปรากฏแล้ว

หากทุกอย่างเป็นไปด้วยดี คุณจะมีทุกอย่างพร้อมเริ่มใช้ Keras และสนุกไปกับ Machine Learning, deep learning, artificial intelligence, ...

ฉันมีปัญหาเพิ่มเติมที่จะ จำกัด การใช้ TensorFlow ดูที่ภาพและคุณจะเห็นว่าบรรทัดสุดท้ายคือ Illegal instruction (สร้าง 'core') เป็นภาษาอังกฤษคือ core ที่ถูกทิ้ง

ปัญหาเกี่ยวกับคำแนะนำ TensorFlow และ AVX TensorFlow ทิ้ง

ดูเหมือนว่า TensorFlow เวอร์ชันไบนารีที่คอมไพล์ไว้ล่วงหน้าที่มากกว่า 1.5 ใช้คำสั่ง AVX ที่ซีพียูรุ่นเก่าไม่รองรับ หลังจากค้นหาและค้นหาทางออกเดียวที่ฉันพบคือใน stackoverflow ซึ่งพวกเขาบอกว่าเราต้องใช้เวอร์ชัน 1.5

ดังนั้นฉันต้องปรับลดรุ่นจาก TensorFlow เป็น 1.5 หากคุณมีปัญหาเดียวกันสิ่งนี้ทำได้ด้วย

pip ติดตั้ง tensorflow == 1.5

แล้วตอนนี้ล่ะ?

สิ่งแรกคือการทดสอบ Keras ว่ามันทำงานอย่างไรถ้าฉันเชื่อมต่อหรือไม่ ถ้าฉันแค่จะทำการทดสอบหรือจะใช้มันเป็นความจริงในการแก้ไขปัญหา ความจริงก็คือ Keras นั้นแตกต่างจากการใช้ Octave / Matlab ในหลักสูตร Machine Learning โดยสิ้นเชิง ด้วย Keras ดูเหมือนว่าอัลกอริทึมจะไม่เห็นด้วยซ้ำคุณได้ฝังไว้แล้วและคุณอุทิศตัวเองให้กับการแบ่งชั้น ถ้าเอาเลย การเรียนรู้ของเครื่องและฉันต้องการเครื่องมือที่ทรงพลังกว่านี้บางทีฉันอาจจะเลือกใช้บริการคลาวด์ที่ Keras ได้รับการกำหนดค่าไว้ล่วงหน้าเช่น AWS, Azure, google cloud เป็นต้น

แต่ฉันปล่อยไว้ในภายหลัง ฉันไปทีละขั้นตอน

Fuentes:

แสดงความคิดเห็น