Paano i-install ang Keras at TensorFlow mula sa backend sa Ubuntu

kung paano mag-install ng keras sa ubuntu

Matapos ang Kursong Pag-aaral ng Machine, Hinahanap ko kung saan magpapatuloy. Ang mga kapaligiran sa pag-unlad na ginamit sa kurso na prototype ng Octave / Matlab ay hindi kung ano ang ginagamit ng mga tao, kaya kailangan mong gumawa ng hakbang sa isang bagay na mas mataas ang kalidad. Kabilang sa mga kandidato na higit na inirekomenda sa akin ay Keras, gamit ang backend TensorFlow. Hindi ko pupunta kung ang Keras ay mas mahusay kaysa sa iba pang mga tool o balangkas o kung pipiliin ang TensorFlow o Theano. Ipapaliwanag ko lamang kung paano ito mai-install sa Ubuntu.

Una Sinubukan kong i-install ito mula sa dokumentasyon ng mga opisyal na pahina, at imposible, palagi akong mayroong ilang error, ilang hindi nalutas na tanong. Sa huli ay tumingin ako mga tukoy na tutorial sa kung paano mag-install ng keras sa Ubuntu Ngunit nagastos ko ang dalawang araw na gumugugol ng maraming oras sa gabi. Sa huli nakamit ko ito at iniiwan ko sa iyo kung paano ko nagawa ito kung sakaling makapagbukas ito ng paraan para sa iyo.

Habang susundan namin ang mga hakbang na inirerekumenda ng mga website na iniiwan kita mula sa mga mapagkukunan sa pagtatapos ng tutorial, i-install namin ang PIP na wala ako, upang pamahalaan ang mga package. tuldukan sa linux ito ay, isang sistema ng pamamahala ng package na nakasulat sa sawa.

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

Mag-subscribe sa aming mailing list

I-install ang virtualenv gamit ang pip3

Sa Virtualenv maaari kaming lumikha ng mga virtual na kapaligiran na may Python. Maaari naming sabihin na ang isang virtual na kapaligiran ay binubuo ng pag-encapsulate ng isang proyekto kung saan maaari kaming gumana sa iba't ibang mga package at sa iba't ibang mga bersyon.

Dito lumitaw ang mga unang problema kapag gumagamit ng sudo ng tutorial na sinusundan ko (sudo pip3 install virtualenv) ibinalik nito ang sumusunod na error

May mga problema sa pag-install ng virtualenv

Ang ilan ay nagmungkahi ng pag-clear ng http folder mula sa cache ngunit hindi iyon gumana. Ang isa pang solusyon na hindi ko iminungkahi ay ang paggamit ng -H, iyon ay, sudo -H pip3 i-install ang virtualenv. Ngunit ang pinakasimpleng solusyon na nagtrabaho sa aking kaso ay

pip3 i-install ang virtualenv

pip3 sa halip na pip ay nangangahulugan na gagamitin namin ang sawa 3

At mag-i-install kami ng Virtualenvwrapper

Virtualenvwrapper sa amin ng bitamina, nag-automate ng maraming mga gawain at setting ng Virtualenv. Tinutulungan tayo nitong gawing mas madali ang lahat. Iyon ang dahilan kung bakit ginagamit namin ito.

Kasunod sa mga hakbang na iminungkahi ng iba't ibang mga tutorial, tila na-install ang lahat ngunit nang patakbuhin ko ang mkvirtualenva, na isa sa mga hakbang sa ibaba, palaging sinasabi sa akin na hindi nito kinikilala ang tagubiling ito. Sa huli ay na-install ko ito at ginawang ganito ang virtuanenvwrapper.

pip install virtualenvwrapper

Paano mag-install ng virtualenvwrapper

Kapag nakita namin ang I-edit .bashrc kasama at mailalagay namin ang aming mapagkukunan, iyon ay, ang address kung saan mayroon kaming virtualenvwrapper.sh file

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

Ang mga maliliit na bagay na ito ay ang mga alam ko ang mga tao na nagsisimulang mabulunan dahil hindi nila alam kung paano ipasadya ang linya na iyon at hanapin ang landas sa kanilang file. Kaya mayroong isang mini-paliwanag sa 4 na mga imahe

Paano makahanap at tingnan ang pinagmulan o landas ng isang file

  1. Buksan ang Nautilus, ang Ubuntu file manager at mag-click sa iba pang mga lokasyon. Ipapakita nito sa iyo ang iyong hard drive, piliin ang isa na na-install mo sa Ubuntu.
  2. Narito kami sa ugat ng aming system. Mag-click sa lupita na nasa itaas at ipapakita ang search engine.
  3. Ipasok ang pangalan ng file, sa kasong ito virtualenvwrapper.sh at mahahanap ka nito sa mga buong system
  4. Nakakuha ka sa tuktok, mag-click gamit ang kanang pindutan at magbigay ng mga pag-aari. Doon makikita mo ang kumpletong ruta nito. Ang kailangan mong gawin upang mabago ang .bashrc

 

Kaya ayun. Kapag nabago ang .bashrc, isagawa ang linyang iyon sa console, sa aking kaso

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

patakbuhin ang virtualenvwrapper sa ubuntu

Pagkatapos ng isang error sa pag-check sa tutorial

ERROR: virtualenvwrapper ay hindi makahanap ng virtualenv sa iyong landas

sa hakbang na ito kailangan ko ring i-install ang pip

sudo apt install virtualenv

Ang isa pang pagpipilian ay

sudo apt install - muling i-install ang virtualenv

 

 

Lumilikha kami ng keras na kapaligiran sa virtualenv at virtualenvwrapper

Sa aking kaso tinawag ko itong keras_tf mula sa TensorFlow na kung saan ay ang backend na gagamitin namin kay Keras at nilikha ko ang kapaligiran sa pag-unlad.

mkvirtualenv keras_tf-p

Ito ay napaka-simple. Sa na naka-install na. Mula ngayon sa tuwing nais nating pumasok ay papasok na tayo

workon keras_tf

I-install ang Daloy ng Tensor

Napakasimpleng tagubilin. Ang totoo dito ay pinanatili kong simple. Kung titingnan mo ang opisyal na dokumentasyon, maraming mga pagpipilian.

i-install ang pip - i-upgrade ang tensorflow

Upang suriin na ang lahat ay maayos na isinasagawa namin sa console

 sawa >>> i-import ang tensorflow >>>
Nakakuha ako ng isang error na nauugnay sa mga lumang CPU na pag-uusapan ko sa huli

I-install nang malakas

Upang mai-install ang Keras, kailangan mo munang i-install ang mga dependency sa sawa. Posible ring samantalahin at mai-install ang OpenCV ngayon, ngunit dahil hindi ko ito gagamitin sa ngayon ay hindi ko nais na komplikado pa ito.

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

At sa wakas pagkatapos ng lahat ng nasa itaas maaari mo ring mai-install ang Keras :)

pip install keras

Sinusuri namin ang file ng keras.json mula sa ~/.matigas/matigas.json maaari mong i-click ang Paghahanap sa nautilus, file manager ng Ubuntu

Ang mga default na halaga ay dapat maging katulad nito

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

Higit sa lahat suriin kung aling backend ito tensorflow at hindi theano at kung anong paglalagay ng image_data_format channel_last at hindi mga channel_first ni theano

Kung hindi mo mahanap ang keras.json

Karamihan sa mga oras ang keras.json file at mga subdirectory nito ay hindi malilikha hanggang sa buksan mo ang isang console at direktang mai-import ang package.
Kaya't kung ito ang iyong kaso at hindi mo ito mahahanap sa iyong system, sundin ang mga sumusunod na hakbang.
workon keras_tf python import keras quit ()

kung paano mag-downgrade sa tenrorflow, problema sa mga tagubilin sa avx

Tumingin ulit at mahika !!! Ngayon ay lilitaw na.

Kung magiging maayos ang lahat. Handa mo ang lahat, maaari mong simulang gamitin ang Keras at masiyahan sa Pag-aaral ng Makina, malalim na pag-aaral, artipisyal na intelihensiya, ...

Nagkaroon ako ng isang karagdagang problema na maglilimita sa paggamit ng TensorFlow. Tingnan ang imahe at makikita mo na ang huling linya ay Ilegal na tagubilin ('core' na nabuo) sa Ingles ang pangunahing itinapon.

May problema sa mga tagubilin sa TensorFlow at AVX. Natapon ang TensorFlow

Lumilitaw na ang precompiled na mga binary bersyon ng mga bersyon ng TensorFlow na mas malaki sa 1.5 ay gumagamit ng mga tagubilin sa AVX na hindi sinusuportahan ng mga mas matandang CPU. Matapos maghanap at maghanap, ang tanging solusyon na nakita ko ay sa stackoverflow, kung saan sinabi nila na kailangan naming manatili sa bersyon 1.5

Kaya't kailangan kong mag-downgrade mula sa TensorFlow sa 1.5 Kung mayroon kang parehong problema na tapos na ito

pip install ng tensorflow == 1.5

At ngayon na?

Sa gayon ang unang bagay ay upang subukan ang Keras, kung paano ito gumagana, kung dock ko ito o hindi. Kung gagawa lamang ako ng mga pagsubok o kung gagamitin ko ito e katotohanan sa pagto-troubleshoot. Ang totoo ay ang Keras ay ganap na naiiba mula sa ginamit kong Octave / Matlab sa kursong Machine Learning. Sa Keras, lumilitaw na hindi mo nakikita ang mga algorithm, naitatanim mo na sila at inilaan mo ang iyong sarili sa paglalagay nito. Kung matutuloy ako dito pagkatuto ng machine, at kailangan ko ng isang mas makapangyarihang tool marahil ay nag-opt ako para sa mga serbisyong ulap kung saan ang Keras ay na-configure tulad ng AWS, Azure, google cloud, atbp.

Ngunit iniiwan ko ito para sa paglaon. Pumunta ako nang sunud-sunod.

Pinagmulan:

Mag-iwan ng komento