TensorFlow è una piattaforma open source sviluppata da Google per l’apprendimento automatico e l’intelligenza artificiale (intelligenza artificiale). Aiuta con una serie di attività per gli sviluppatori che lavorano in quel campo.
Per cominciare, devi avere una conoscenza dell’apprendimento automatico o, in particolare, del deep learning prima di poter utilizzare TensorFlow.
Qui, vorrei evidenziare alcune cose su TensorFlow, le sue funzionalità e metodi rapidi per installarlo su Windows e Linux.
Sommario:
Panoramica di TensorFlow
Tecnicamente, TensorFlow è una piattaforma open source che aiuta con applicazioni di deep learning e qualsiasi altro caso d’uso di machine learning.
Semplifica la creazione e la distribuzione di applicazioni basate su ML. Se desideri risolvere un problema utilizzando l’apprendimento automatico, puoi ottenere assistenza con TensorFlow.
TensorFlow fornisce strumenti per aiutare a sviluppare e addestrare modelli utilizzando Python o JavaScript. Anche se non sono uno sviluppatore, puoi esplorare la sua documentazione per sapere in che modo influisce sul flusso di lavoro della distribuzione di un’applicazione di apprendimento automatico.
Caratteristiche di TensorFlow
TensorFlow è famoso per diversi motivi e puoi valutarlo tu stesso, conoscendo le sue migliori offerte di funzionalità.
Se arriviamo a discutere i vantaggi tecnici, dovrai confrontarli per quello che fai. Quindi, ci concentreremo su funzionalità comuni vantaggiose per la maggior parte.
1. Open Source
Google ha deciso di rendere open source TensorFlow nel 2015 per consentire alla community di migliorarlo ulteriormente e fornire trasparenza su come funziona.
Gli sviluppatori possono personalizzare la libreria in vari modi per risolvere problemi che potresti non aver previsto.
Senza un framework open source, potrebbe non essere stato così popolare come lo è. Quindi
2. Facile debug
TensorFlow mira ad aiutarti con una facile costruzione di modelli; quindi, un’esperienza di debug senza sforzo fa parte di quel processo.
L’esperienza utente intuitiva è una ciliegina sulla torta.
3. Supporta sia CPU che GPU
Con TensorFlow, hai la possibilità di addestrare il calcolo dei dati su una CPU o una GPU. Di solito, una GPU rende le cose più veloci per le applicazioni di deep learning rispetto alla CPU.
Quindi, se hai una potente GPU nel tuo arsenale, TensorFlow può aiutarti a trarne il massimo.
4. Utili API di apprendimento automatico
Le API aiutano gli sviluppatori a integrare una varietà di funzionalità nelle loro applicazioni. E TensorFlow fornisce l’accesso a una buona raccolta di API stabili.
Alcuni di essi possono offrire anche vantaggi in termini di prestazioni. Secondo le sue affermazioni ufficiali, non dovresti avere problemi con quelli disponibili in Python. Se stai lavorando con altre lingue, devi verificare con i manutentori di TensorFlow quanto sono utili per il tuo caso d’uso.
5. Modelli pronti per la produzione
TensorFlow presenta una varietà di modelli pre-addestrati. Che tu sia un professionista o un principiante, puoi usarli per risparmiare tempo e creare modelli ML più velocemente.
Oltre a queste funzionalità, ottieni flessibilità, facilità d’uso, un toolkit di visualizzazione e altro che può aiutare il tuo flusso di lavoro di sviluppo del machine learning.
Ora che hai una buona idea su TensorFlow, dove puoi scaricarlo? Come installarlo e configurarlo sui tuoi sistemi Windows e Linux?
Discutiamolo di seguito.
Download e installazione di TensorFlow
A differenza di altri programmi, qui non ottieni un file di installazione .exe. In primo luogo, dovrai scaricare il pacchetto utilizzando il gestore di pacchetti consigliato.
Nel complesso, ci sono diversi modi di installazione. Possiamo elencarli come segue:
- Usando Miniconda e pip
- Usando Miniconda e pip su WSL 2
- Utilizzo di un contenitore Docker
- Costruire dalle fonti
Come installare TensorFlow su Windows?
A differenza di altri programmi, qui non ottieni un file di installazione .exe. Dovrai scaricare il pacchetto utilizzando il gestore di pacchetti consigliato.
# 1. Utilizzo di Miniconda e pip (metodo consigliato)
Nota: al momento della stesura di questo, TensorFlow 2.10 è l’ultima versione a supportare la GPU su Windows (nativamente). Se lavori con pacchetti più recenti, TensorFlow consiglia di installare TensorFlow in WSL 2, che verrà discusso in seguito.
Se desideri utilizzare TensorFlow con il supporto GPU, TensorFlow consiglia di utilizzare Miniconda (programma di installazione per il gestore di pacchetti conda) per dare il via alle cose.
Con Miniconda, puoi creare un ambiente separato per evitare conflitti con qualsiasi altro software nel tuo sistema.
Per iniziare, devi scaricare l’ultimo programma di installazione di Windows Miniconda e seguire le istruzioni visualizzate per completare l’installazione.
Una volta terminato, è necessario avviare il prompt di Miniconda come mostrato nello screenshot:
Ecco come appare:
Dopo aver visualizzato la finestra del prompt di Anaconda, potresti voler digitare il seguente comando per assicurarti che il gestore di pacchetti conda sia stato aggiornato:
<strong>conda update -n base -c defaults conda</strong>
Detto questo, ecco i passaggi che devi seguire per installare TensorFlow:
Innanzitutto, per creare un nuovo ambiente (con il nome tf):
<strong>conda create --name tf python=3.9 </strong>
Suggerimento: puoi attivarlo/disattivarlo utilizzando i comandi: condaactivate tf e conda deactivate
Dovrai attivarlo per procedere ulteriormente. Per abilitare il supporto GPU nel processo, devi assicurarti di avere installato il driver grafico (GPU NVIDIA), quindi installare alcuni pacchetti utilizzando il comando seguente:
<strong>conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0</strong>
Scarica circa 1 Giga di pacchetti, che includono strumenti che consentono di distribuire applicazioni di machine learning con GPU e una rete neurale profonda.
Infine, dovrai utilizzare il gestore di pacchetti pip per installare il pacchetto TensorFlow. Puoi scegliere di utilizzare conda per installare Tensorflow, ma potrebbe non avere l’ultima versione stabile necessaria.
Prima di procedere, assicurati che pip sia stato aggiornato utilizzando il comando:
pip install --upgrade pip
Una volta terminato, installa TensorFlow con:
<strong>pip install tensorflow</strong>
Noterai numerosi pacchetti in fase di compilazione/installazione. Potrebbe sembrare bloccato nel processo, ma attendi un minuto e dovrebbe riprendere e completare l’installazione.
#2. Usando Conda e pip su WSL 2
Supponendo che tu abbia già configurato WSL 2 sul tuo sistema, puoi installare TensorFlow usando i seguenti comandi nel terminale della distribuzione:
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Puoi incollarlo tutto in una volta e verrà elaborato uno per uno.
Nel caso in cui non hai installato WSL 2 su Windows. Vai al prompt dei comandi con accesso come amministratore, quindi digita quanto segue:
wsl.exe --install
Dovrebbe scaricare Ubuntu e abilitare la funzione WSL per il tuo sistema. Sarà necessario riavviare il PC per completarlo.
Se non riesci a trovare Ubuntu sul tuo sistema, puoi accedere al Microsoft Store e installare Ubuntu WSL.
#3. Costruisci dalla fonte
Considerando che TensorFlow è open source, puoi costruirlo da zero con le tue opzioni di configurazione.
Pertanto, questo è consigliato per utenti esperti consapevoli di tutte le opzioni e che conoscono i dadi e i bulloni da configurare. Fare riferimento alla documentazione ufficiale per saperne di più.
Come installare TensorFlow su Linux?
Come Windows, puoi installare TensorFlow usando Miniconda e pip su Linux. Oppure scegli di costruire dalla fonte.
Lascia che ti mostri come è fatto:
# 1. Utilizzo di Miniconda e pip (metodo consigliato)
Nota: segui gli stessi comandi di Windows. L’unica differenza è come si installa/scarica Miniconda su Linux.
Ecco come installare Miniconda su Linux usando il terminale:
curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -o Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh
Riavvia il terminale sulla tua distribuzione Linux per trovare qualcosa del genere:
Noterai una (base) prima delle variabili del prompt del terminale. Ciò indica che conda è attualmente attivo e installato.
Non disattivarlo a meno che tu non abbia terminato l’installazione di TensorFlow.
Puoi passare ai passaggi sopra menzionati per Windows e installarlo. In alternativa, incolla quanto segue per installare TensorFlow:
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Con Linux, potresti avere problemi con il driver GPU. Per questo, dovresti guardare la documentazione di NVIDIA per saperne di più.
#2. Costruisci dalla fonte
Come Windows, la creazione dal codice sorgente è complicata su Linux e pensata esclusivamente per utenti avanzati.
Tu (supponendo che tu sia un principiante) non dovresti optare per questo metodo a meno che tu non abbia in mente qualcosa di specifico. Il modo migliore per approfondire l’argomento è fare riferimento alla documentazione.
Come installare TensorFlow utilizzando Docker? (Windows e Linux)
Indipendentemente dalla piattaforma, Docker ti consente di installare immagini TensorFlow senza intoppi.
Assicurati di avere Docker installato sul tuo sistema oppure puoi seguire la nostra guida all’installazione di Docker per assistenza.
Una volta terminata la configurazione, è necessario immettere il seguente comando da Docker:
docker pull tensorflow/tensorflow
Hai bisogno di esperienza con i container Docker per avviare un container con le configurazioni richieste per il tuo lavoro.
Per il supporto specifico della GPU o per il download di una versione di TensorFlow diversa, fare riferimento alle opzioni disponibili nella documentazione ufficiale.
Ecco come appare il comando quando vuoi eseguirlo usando Docker:
docker run [-it] [--rm] [-p hostPort:containerPort] tensorflow/tensorflow[:tag] [command]
Conclusione
L’installazione di TensorFlow è una cosa una tantum e, con la nostra guida, dovrebbe essere un processo senza problemi per la maggior parte delle persone.
Se avevi già configurazioni o configurazioni precedenti con versioni Python precedenti o un gestore di pacchetti Conda precedente. Assicurati di applicare gli ultimi aggiornamenti per installare TensorFlow senza problemi.
Puoi anche esplorare le migliori piattaforme AI per creare applicazioni AI e ML.