Comment installer TensorFlow
Dans cet article d'installation de tensorflow, nous aurions d'abord une vue d'ensemble de TensorFlow et de son utilisation dans l'écosystème Data Science, puis nous installerions TensorFlow pour Windows.
Qu'est-ce que TensorFlow?
TensorFlow est une application logicielle, populaire pour la mise en œuvre d'algorithmes d'apprentissage automatique, en particulier les réseaux de neurones. Il a été développé par Google et publié en tant que plate-forme open-source en 2015. Il s'appelle TensorFlow car il prend en entrée des tableaux multidimensionnels également appelés Tensors. Nous pourrions construire un organigramme des opérations que nous voulons effectuer sur cette entrée, c'est-à-dire que les données entrent à une extrémité puis passent par ce système d'opérations et sortent à l'autre extrémité en sortie. TensorFlow est populaire en raison de son extrême polyvalence. Il peut être exécuté sur différentes plates-formes comme un ordinateur de bureau, un cloud ou un appareil mobile. Tout cela pourrait être fait en utilisant une seule API. Il pourrait être formé sur plusieurs machines, puis nous pourrions l'exécuter sur une autre machine. TensorFlow est très rapide car il est écrit en C ++, mais il peut être consulté et contrôlé par d'autres langages, principalement Python. Une autre grande caractéristique de TensorFlow est TensorBoard qui nous permet de surveiller graphiquement et visuellement le travail d'un TensorFlow. Quelqu'un qui s'intéresse au Machine Learning en particulier au réseau neuronal devrait apprendre TensorFlow.
Architecture graphique de flux de données de TensorFlow
Un graphe de flux de données a deux unités de base: un nœud représentant une opération mathématique et un bord qui dessert un tableau multidimensionnel appelé tenseurs. Ainsi, cette abstraction de haut niveau montre comment les données circulent entre les opérations. Une fois le graphique créé, une boucle interne est écrite pour piloter le calcul. Les entrées sont introduites dans les nœuds via des variables ou des espaces réservés. Dans TensorFlow, les calculs sont exécutés uniquement après la création de la session.
Pourquoi TensorFlow est préféré dans le Deep Learning? 
Le Deep Learning fait partie du Machine Learning qui apprend les fonctionnalités et les tâches directement à partir des données. Les données peuvent être des images, du texte ou du son. Il est souvent appelé apprentissage de bout en bout. Un réseau de neurones est synonyme des neurones de notre cerveau. Dans le diagramme ci-dessus, les données proviennent de la couche d'entrée et circulent à travers les couches cachées où tous les calculs sont effectués, puis passent à la couche de sortie. Plusieurs joueurs cachés en font un réseau neuronal profond, tandis qu'une seule couche forme un réseau neuronal peu profond
- TensorFlow a une large prise en charge intégrée pour le Deep Learning et les réseaux de neurones, il est donc facile d'assembler un réseau, d'affecter des paramètres et d'exécuter le processus de formation.
- Il existe des fonctions mathématiques entraînables qui sont utiles pour les réseaux de neurones. Tout algorithme d'apprentissage automatique basé sur un gradient bénéficiera de la différenciation automatique et de la suite d'optimiseurs de premier ordre de TensorFlow.
- TensorFlow est compatible avec divers machine learning grâce à sa vaste collection d'outils flexibles.
- Un réseau neuronal profond gère un comportement plus complexe où chaque entrée est traitée par des fonctions d'activation comme la tangente hyperbolique, la fonction logistique, etc. Le choix de la fonction d'activation affecte le comportement du réseau et TensorFlow donne le contrôle de la structure du réseau.
- TensorFlow pourrait également être utilisé dans la construction de modèles linéaires et non linéaires simples.
Étapes pour installer TensorFlow
La partie installation sera composée de deux parties: -
- Installation d'Anaconda
- Configuration de TensorFlow à l'aide d'Anaconda Prompt.
Partie 1: installer Anaconda sur Windows
Anaconda est un paquet de paquets python populaires et possède un gestionnaire de paquets appelé conda (similaire à pip). Certains des paquets anaconda populaires sont - numpy, scipy, Jupiter, nltk, scikit-learn, etc. Si Python est installé dans vos fenêtres, pour installer tous ces paquets, vous devez exécuter pip, tandis que si vous installez anaconda, vous obtenez tous ces packages en une seule fois.
Les étapes ci-dessous illustrent comment installer Anaconda sur Windows. Python 3.7 ne prend pas en charge TensorFlow, nous allons donc utiliser Anaconda pour Python 3.6.
- Téléchargez le programme d'installation d'Anaconda pour Python 3.6 à partir d'ici - https://drive.google.com/open?id=12BLpz3wzsyI0kFcMgv0SGPj__0op-JJs
- Une fois le programme d'installation téléchargé, double-cliquez dessus et sélectionnez Suivant.
- Cliquez sur J'accepte dans la fenêtre suivante.
- Sélectionnez Tous les utilisateurs et cliquez sur Suivant.
- Choisissez l'emplacement d'installation que vous jugez approprié et cliquez sur Suivant.
- Dans la fenêtre suivante, cochez la case «Enregistrer Anaconda comme système Python 3.6» et cliquez sur Installer.
- L'installation est en cours.
- Laissez l'installation se poursuivre et une fois terminée, cliquez sur Suivant pour la terminer. Ensuite, allez dans Variables d'environnement dans les fenêtres pour définir le chemin.
- Cliquez sur Nouveau et ajoutez le dossier Scripts où vous avez installé Anaconda et cliquez sur OK.
- Maintenant, allez dans la barre de recherche Windows et tapez invite Anaconda. Double-cliquez sur l'application et tapez conda –version pour confirmer son installation.
Partie 2: Configuration de l'installation de TensorFlow à l'aide d'Anaconda Prompt
- Accédez à Anaconda Prompt et saisissez conda create -n myenv python = 3.6 et appuyez sur Entrée.
- Appuyez sur Y et appuyez sur Entrée. Il va créer un environnement séparé installer TensorFlow
- Tapez conda activate myenv et entrez Entrée pour entrer dans l'environnement.
- Une fois que vous êtes dans l'environnement, entrez l'un après l'autre
- conda install jupyter
- conda install scipy
- pip install –upgrade tensorflow
- Une fois cela fait, tapez python puis tapez import tensorflow. S'il n'y a pas d'erreur, c'est que l'installation de TensorFlow a réussi.
Applications pratiques de TensorFlow
Le Deep Learning a émergé au cœur de presque toutes les percées informatiques majeures de ces dernières années. Il se trouve déjà dans bon nombre de nos produits quotidiens comme Netflix et les recommandations personnalisées d'Amazon, le filtrage du spam et même notre interaction avec des assistants personnels comme Apple Siri ou Microsoft Cortana.
Cependant, ce ne sont pas seulement les applications scientifiques qui bénéficient de cette recherche. Des personnes d'autres disciplines commencent également à explorer comment l'apprentissage en profondeur pourrait être utilisé dans des cas comme la détection d'objets (comme le montre l'image). Il apprend à l'ordinateur à reconnaître un objet dans une image, puis à utiliser ces connaissances pour conduire de nouveaux comportements.
Dernières tendances de TensorFlow
TensorFlow a récemment publié sa version 1.12.0 dans laquelle quelques-unes des principales améliorations sont: -
- Le modèle Keras peut être directement exporté au format SavedModel et utilisé avec le ressort TensorFlow.
- Les binaires sont construits avec le support XLA, et les modèles Keras peuvent désormais être évalués avec tf.data.Dataset.
- Ignite Dataset ajouté à contrib / ignite qui permet de travailler avec Apache Ignite.
Articles recommandés
Ceci a été un guide sur la façon d'installer TensorFlow Ici, nous avons discuté des instructions et des différentes étapes pour installer TensorFlow. Vous pouvez également consulter l'article suivant pour en savoir plus -
- Différences de TensorFlow vs Caffe
- Comparaison de Tensorflow et Pytorch
- Carrières en apprentissage profond
- PowerShell vs Python - Différences
- Introduction à TensorFlow Playground