So installieren Sie Keras mit dem TensorFlow-Backend unter Linux

Einführung

Keras ist eine neuronale Netzwerkbibliothek, die auf der Programmiersprache Python basiert und entwickelt wurde, um Anwendungen für maschinelles Lernen zu vereinfachen. Keras läuft auf Frameworks wie TensorFlow.

In diesem Leitfaden erfahren Sie, wie Sie Keras und Tensorflow auf einem Linux-System installieren

Voraussetzungen

• Ein Linux-Rechner mit Zugriff auf eine Befehlszeile/ein Terminal
• Ein Benutzerkonto mit sudo oder root Privilegien
• Der Python 3.5 – 3.8 Entwicklungsumgebung
• Der Python3-Pip Paketmanager

So installieren Sie Keras unter Linux

Keras wurde entwickelt, um mit vielen verschiedenen Frameworks für maschinelles Lernen wie TensorFlow, Theano, R, PlaidML und Microsoft Cognitive Toolkit zusammenzuarbeiten. Das beste Framework zur Verwendung mit Keras ist jedoch TensorFlow.

Dieser Artikel behandelt auch die Installation von TensorFlow.

SCHRITT 1:Python3 und Pip installieren und aktualisieren

Überspringen Sie diesen Schritt, wenn Sie bereits Python3 und Pip auf Ihrem Computer haben.

Wenn nicht, öffnen Sie das Terminal und geben Sie abhängig von Ihrer Linux-Distribution den folgenden Befehl ein:

CentOS/RedHat:

sudo yum install python3 python3-pip

Geben Sie y ein wenn Sie dazu aufgefordert werden. Lassen Sie die Installation den Vorgang abschließen.

Führen Sie dann diesen Befehl aus, um Pip zu aktualisieren:

sudo pip3 install ––upgrade pip

Ubuntu/Debian:

Der Prozess für diese Distributionen ist ähnlich:

sudo apt install python3 python3.pip

sudo pip3 install ––upgrade pip

SCHRITT 2:Setuptools aktualisieren

Um setuptools zu aktualisieren , geben Sie Folgendes ein:

pip3 install ––upgrade setuptools

Ohne diesen Schritt erhalten Sie möglicherweise Fehlermeldungen zu bestimmten Paketen, die andere setuptools erfordern Version als die, die Sie auf Ihrem System haben.

SCHRITT 3:Installieren Sie TensorFlow

Die TensorFlow-Installation ist unkompliziert. Verwenden Sie Pip und diesen Befehl, um es zu installieren::

pip3 install tensorflow

Lassen Sie den Download und die Installation abschließen.

Überprüfen Sie, ob die Installation erfolgreich war, indem Sie die Softwarepaketinformationen überprüfen:

pip3 show tensorflow

Das System sollte die TensorFlow-Version und andere Daten anzeigen.

Verwenden Sie für eine kürzere Eingabe diesen Befehl:

pip list | grep tensorflow

SCHRITT 4:Installieren Sie Keras

Schließlich installieren Sie Keras mit dem folgenden Befehl:

pip3 install keras

Das Terminal zeigt die Bestätigungsnachricht an, sobald der Vorgang abgeschlossen ist.

Überprüfen Sie die Installation, indem Sie die Paketinformationen anzeigen:

pip3 show keras

SCHRITT 5:Installieren Sie Keras von Git Clone (optional)

Wenn Sie Git auf Ihrem System haben, können Sie damit eine Kopie des Keras-Softwarepakets von GitHub klonen.

Um das Keras-Paket von GitHub zu klonen, geben Sie Folgendes ein:

git clone https://github.com/keras-team/keras.git

Wechseln Sie nach Abschluss des Downloads zu /keras Verzeichnis:

cd keras

Führen Sie von dort aus die Keras aus Python-Installationsprogramm:

sudo python3 setup.py install

Die Ausgabe zeigt die Bestätigung, wenn der Prozess abgeschlossen ist:

Keras vs. TensorFlow

Keras und TensorFlow sind beide Open-Source-Software. TensorFlow ist eine Softwarebibliothek für maschinelles Lernen. Keras läuft auf TensorFlow und erweitert die Fähigkeiten der Basissoftware für maschinelles Lernen. Keras macht auch die Implementierung, das Testen und die Verwendung benutzerfreundlicher.

Keras arbeitet mit TensorFlow zusammen, um eine Schnittstelle in der Programmiersprache Python bereitzustellen. Es funktioniert mit Ebenen und Modelle .

Ebenen

Eine Schicht ist eine Verarbeitungseinheit. Es akzeptiert Eingaben, führt Berechnungen mit dieser Eingabe durch und gibt dann die transformierten Informationen aus.

Eine Ebene erfordert Folgendes:

• Form der Eingabe: Definiert, wie die Ebene die Eingabeinformationen interpretiert
• Initialisierer :Legt das Gewicht fest , oder Wichtigkeit, jeder Information.
• Aktivator: Wandelt die Daten in eine nichtlineare Form um.

Modelle

Ein Modell ist eine Gruppe von Schichten . Zu einem Modell gehören auch Trainings- und Inferenzmodule – hier kommt maschinelles Lernen ins Spiel. Jedes Modell hat Folgendes:

• Eingaben: Skripte, die Informationen an das Keras-Modell senden.
• Ausgänge: Die Informationen, die nach der Transformation durch das Keras-Modell herauskommen.
• Typ: Ein Modell kann sequenziell sein , was bedeutet, dass es Schicht für Schicht aufgebaut wird, um ein Problem zu lösen. Oder es kann funktional sein , wo Schichten auf komplexe und nichtlineare Weise miteinander verbunden sein können.