TensorFlow ist eine kostenlose Open-Source-Plattform für maschinelles Lernen, die von Google entwickelt wurde. Es wird von einer Reihe von Organisationen verwendet, darunter Twitter, PayPal, Intel, Lenovo und Airbus.
TensorFlow kann systemweit, in einer virtuellen Python-Umgebung, als Dockercontainer oder mit Anaconda installiert werden. Zu Lernzwecken ist es am besten, TensorFlow in einer virtuellen Python-Umgebung zu installieren. Auf diese Weise können Sie mehrere verschiedene isolierte Python-Umgebungen auf einem einzigen Computer haben und eine bestimmte Version eines Moduls auf Projektbasis installieren, ohne befürchten zu müssen, dass dies Auswirkungen auf Ihre anderen Projekte hat.
Dieses Tutorial führt Sie durch den Installationsprozess von TensorFlow unter Debian 9.
Installieren von TensorFlow auf Debian 9 #
Die folgenden Abschnitte enthalten eine Schritt-für-Schritt-Anleitung zur Installation von TensorFlow in einer virtuellen Python-Umgebung unter Debian 9.
1. Installation von Python 3 und venv #
Standardmäßig wird Debian 9 mit Python 3.5 ausgeliefert. Um zu überprüfen, ob Python 3 auf Ihrem System installiert ist, geben Sie Folgendes ein:
python3 -VDie Ausgabe sollte so aussehen:
Python 3.5.3
Die empfohlene Methode zum Erstellen einer virtuellen Umgebung ist die Verwendung von venv Modul. Installieren Sie python3-venv Paket, das den venv bereitstellt Modul durch Ausführen des folgenden Befehls:
sudo apt install python3-venvSobald dies erledigt ist, können wir mit dem nächsten Schritt fortfahren und eine virtuelle Umgebung für unser TensorFlow-Projekt erstellen.
2. Erstellen einer virtuellen Umgebung #
Navigieren Sie zu dem Verzeichnis, in dem Sie Ihre virtuellen Python 3-Umgebungen speichern möchten. Es kann Ihr Home-Verzeichnis oder jedes andere Verzeichnis sein, in dem Ihr Benutzer Lese- und Schreibrechte hat.
Erstellen Sie ein neues Verzeichnis für das TensorFlow-Projekt und wechseln Sie hinein:
mkdir my_tensorflowcd my_tensorflow
Führen Sie im Verzeichnis den folgenden Befehl aus, um die virtuelle Umgebung zu erstellen:
python3 -m venv venv
Der obige Befehl erstellt ein Verzeichnis namens venv , die eine Kopie der Python-Binärdatei, den Pip-Paketmanager, die standardmäßige Python-Bibliothek und andere unterstützende Dateien enthält. Verwenden Sie einen beliebigen Namen für die virtuelle Umgebung.
Um die virtuelle Umgebung zu verwenden, müssen Sie sie aktivieren, indem Sie activate ausführen Skript:
source venv/bin/activate
Nach der Aktivierung wird das bin-Verzeichnis der virtuellen Umgebung am Anfang von $PATH hinzugefügt Variable. Auch die Eingabeaufforderung der Shell ändert sich und zeigt den Namen der virtuellen Umgebung an, in der Sie sich gerade befinden. In diesem Fall ist das venv .
Die TensorFlow-Installation erfordert pip Version 19 oder höher. Führen Sie den folgenden Befehl aus, um pip zu aktualisieren auf die neueste Version:
pip install --upgrade pip3. Installieren von TensorFlow #
Nachdem wir nun eine virtuelle Umgebung erstellt haben, besteht der nächste Schritt darin, das TensorFlow-Paket zu installieren.
pip install --upgrade tensorflow
Wenn Sie eine dedizierte NVIDIA-GPU haben und deren Rechenleistung nutzen möchten, statt tensorflow Installieren Sie die tensorflow-gpu Paket, das GPU-Unterstützung enthält.
Innerhalb der virtuellen Umgebung können Sie den Befehl pip verwenden statt pip3 und python statt python3 .
Sobald die Installation abgeschlossen ist, überprüfen Sie sie mit dem folgenden Befehl, der die TensorFlow-Version druckt:
python -c 'import tensorflow as tf; print(tf.__version__)'Zum Zeitpunkt der Erstellung dieses Artikels ist die neueste stabile Version von TensorFlow 2.0.0
2.0.0
Ihre TensorFlow-Version kann sich von der oben angezeigten Version unterscheiden.
Wenn Sie neu bei TensorFlow sind, besuchen Sie die Seite Erste Schritte mit TensorFlow und erfahren Sie, wie Sie Ihre erste ML-Anwendung erstellen. Sie können auch die Repositorys TensorFlow Models oder TensorFlow-Examples von Github klonen und die TensorFlow-Beispiele erkunden und testen.
Wenn Sie mit Ihrer Arbeit fertig sind, geben Sie deactivate ein um die Umgebung zu deaktivieren und zu Ihrer normalen Shell zurückzukehren.
deactivate