.svg)
Установка Tensorflow
Содержание:
Захотелось нам на днях копнуть глубже в сторону Machine и Deep Learning. Поэтому в ближайшее время в блоге будет какое-то количество статей, посвященных этой теме.
А начнем мы с вами с того, что подготовим рабочее окружение, в котором будем проводить все наши эксперименты! В этой статье речь пойдет об установке:
- TensorFlow
- Pandas
- Jupyter
- matplotlib
- scikit-learn
Установку всего необходимого можно проводить у себя на рабочей станции в виртуальной машине, а также в Google Cloud или AWS. Преимущество последних в том, что они предоставляют виртуальные машины с GPU, что существенно ускорит обработку больших объемов данных и вычислений. Пока что нам это не нужно, поэтому можно смело обойтись локальной виртуальной машиной. Итак, поехали!
Установка Jupyter
Итак, как я уже писал в статье «Jupyter Notebook — прототипирование облачной автоматизации на Python», использовать Jupyter Notebook-и в процессе разработки очень удобно, т.к. каждый блок кода можно повторить в произвольном порядке столько раз, сколько нужно. Более того, всегда есть возможность наглядно посмотреть на типы данных или построить нужный график для визуализации вычислений или зависимостей между обрабатываемыми объектами.
Установка Jupyter очень проста, делать мы это будем в CentOS 7
sudo yum -y install python-pip
sudo yum -y groupinstall 'Development Tools'
sudo pip install virtualenv
sudo pip install jupyter
cd ~/
mkdir analysis # директория для хранения Notebook-ов
После того, как установка закончится, необходимо настроить на постоянный запуск Jupyter сервер. Для этого вам необходимо сгенерировать хеш пароля для доступа к серверу. Это особенно актуально, если вы устанавливаете Jupyter в виртуальной машине в облаке Google или Amazon. Для этого выполните:
pythonДалее необходимо сгенерировать сам пароль:
from notebook.auth import passwd
passwd()
Введите нужный вам пароль и сохраните строку вида ’sha1:’ куда-нибудь в текстовый файл.
Далее сгенерируем конфигурационный файл для Jupyter сервера:
jupyter notebook --generate-configВывод команды покажет вам, куда именно записался конфигурационный файл по-умолчанию. Отредактируйте его, изменив следующие опции:
c.NotebookApp.password = 'sha1:'
c.NotebookApp.port = 8888
c.NotebookApp.ip = '*'
c.NotebookApp.open_browser = False
Далее, необходимо прописать старт Jupyter в качестве сервиса. Создайте файл /etc/systemd/system/multi-user.target.wants/jupyter.service следующего содержания:
[Unit]
Description=Jupyter Notebook
[Service]
Type=simple
PIDFile=/run/jupyter.pid
ExecStart=/usr/bin/jupyter notebook --config=/home/centos/.jupyter/jupyter_notebook_config.py
User=centos
Group=centos
WorkingDirectory=/home/centos/analysis
Restart=always
RestartSec=10
#KillMode=mixed
[Install]
WantedBy=multi-user.target
Убедитесь, что в строчке, начинающейся с ExecStart, указан правильный путь до Jupyter и правильный путь до сгенерированного вами конфигурационного файла, в качестве пользователя и группы прописаны пользователь и группа, с которыми вы получаете доступ к виртуальной машине, а в качестве рабочей директории (WorkingDirectory) указана существующая директория, в которой будут храниться ваши Notebook-и.
Обновите конфигурацию systemd
systemctl daemon-reloadЗапустите Jupyter:
systemctl status jupyterПроверьте, что запуск прошел успешно, выполнив команду:
systemctl status jupyterПодключитесь к серверу Jupyter, используя IP-адрес вашей виртуальной машины, порт 8888 и сгенерированный вами пароль.
Установка Tensorflow
Установка TensorFlow выполняется чуть более просто, чем Jupyter. Процесс установки буквально на все случаи жизни описан в официальной документации. Но все, что вам нужно сделать прямо сейчас, это выполнить команды
sudo pip install tensorflow # установка без поддержки GPU
sudo pip install tensorflow-gpu # если вам нужна поддержка GPUПосле этого у вас будет возможность проверить работу TensorFlow, написав в NoteBook-е простенький сценарий:
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
Выполнив который вы увидите в качестве вывода Hello, TensorFlow!.
Установка Pandas
Установка Pandas, который вероятнее всего потребуется вам в процессе экспериментов, выполняется как обычно:
sudo pip install pandasУстановка Matplotlib
И наконец осталось установить Matplotlib:
sudo pip install matplotlib
Установка Scikit-Learn
Еще одним жизненно-необходимым компонентом, который необходимо иметь обязательно, является scikit-learn. Доставим его так же, как и остальные зависимости:
sudo pip install scikit-learn
