Uvod u TensorFlow: Platforma za Mašinsko Učenje
TensorFlow predstavlja otvorenu platformu, razvijenu od strane kompanije Google, namenjenu mašinskom učenju i veštačkoj inteligenciji (AI). Ova platforma pruža širok spektar alata i funkcionalnosti za programere koji rade u ovim oblastima.
Pre nego što se upustite u korišćenje TensorFlow-a, ključno je da razumete osnove mašinskog učenja, a posebno dubokog učenja.
U ovom članku, detaljno ćemo razmotriti TensorFlow, njegove glavne karakteristike, kao i brze metode za njegovu instalaciju na Windows i Linux operativnim sistemima.
TensorFlow: Osnovni Pregled
Sa tehničke strane, TensorFlow je open-source platforma koja olakšava razvoj aplikacija za duboko učenje i druge primene mašinskog učenja.
Pomoću TensorFlow-a, stvaranje i implementacija ML aplikacija postaje znatno lakša. Ako imate problem koji se može rešiti primenom mašinskog učenja, TensorFlow je alat koji vam može biti od velike pomoći.
TensorFlow pruža alate za razvoj i obuku modela, uz podršku za programske jezike Python i JavaScript. Čak i ako niste programer, dokumentacija vam može pomoći da shvatite kako TensorFlow može unaprediti vaš radni proces pri razvoju aplikacija za mašinsko učenje.
Ključne Karakteristike TensorFlow-a
TensorFlow je postao popularan iz više razloga, a možete sami proceniti njegovu vrednost kada sagledate njegove ključne mogućnosti.
Ako govorimo o tehničkim prednostima, one će zavisiti od toga čime se konkretno bavite. Međutim, fokusiraćemo se na opšte karakteristike koje su korisne za većinu korisnika.
1. Otvoreni Kod (Open Source)
Google je 2015. godine odlučio da TensorFlow učini open source-om, omogućavajući zajednici da ga unapredi i obezbedi transparentnost njegovog funkcionisanja.
Programeri mogu prilagoditi biblioteku na različite načine, kako bi rešili i neočekivane probleme.
Bez okvira otvorenog koda, TensorFlow verovatno ne bi postigao ovoliku popularnost.
2. Jednostavno Otklanjanje Grešaka
TensorFlow je dizajniran da olakša kreiranje modela, a samim tim, i proces otklanjanja grešaka je pojednostavljen.
Intuitivno korisničko iskustvo je jedan od njegovih glavnih aduta.
3. Podrška za CPU i GPU
TensorFlow omogućava obuku modela korišćenjem procesora (CPU) ili grafičkih kartica (GPU). Generalno, GPU-ovi ubrzavaju procese u dubokom učenju u poređenju sa CPU-ovima.
Ako imate moćan GPU, TensorFlow vam omogućava da ga u potpunosti iskoristite.
4. Korisni API-ji za Mašinsko Učenje
API-ji omogućavaju programerima da integrišu različite funkcionalnosti u svoje aplikacije, a TensorFlow nudi stabilnu i bogatu kolekciju API-ja.
Neki od njih mogu doneti i poboljšanja performansi. Prema zvaničnim navodima, API-ji dostupni u Python-u rade besprekorno. Ukoliko radite sa drugim programskim jezicima, neophodno je da proverite sa TensorFlow zajednicom njihovu kompatibilnost.
5. Gotovi Modeli za Proizvodnju
TensorFlow nudi veliki broj unapred obučenih modela. Bez obzira da li ste profesionalac ili početnik, možete ih koristiti da uštedite vreme i brže kreirate ML modele.
Pored ovih karakteristika, TensorFlow pruža fleksibilnost, lakoću korišćenja, alat za vizualizaciju i mnoge druge funkcionalnosti koje olakšavaju razvoj mašinskog učenja.
Sada kada imate dobru predstavu o TensorFlow-u, postavlja se pitanje: Gde ga možete preuzeti i kako ga instalirati na Windows i Linux sistemima?
O tome ćemo govoriti u nastavku.
Preuzimanje i Instalacija TensorFlow-a
Za razliku od nekih drugih programa, ovde nećete dobiti .exe fajl za instalaciju. Umesto toga, potrebno je preuzeti paket koristeći preporučeni menadžer paketa.
Generalno, postoji nekoliko načina za instalaciju. Možemo ih navesti na sledeći način:
- Korišćenjem Miniconda i pip
- Korišćenje Miniconda i pip-a na WSL 2
- Korišćenje Docker kontejnera
- Izgradnja iz izvora
Kako Instalirati TensorFlow na Windows?
Za razliku od nekih drugih programa, ovde nećete dobiti .exe fajl za instalaciju. Umesto toga, potrebno je preuzeti paket koristeći preporučeni menadžer paketa.
#1. Korišćenje Miniconda i pip (preporučeni metod)
Napomena: U vreme pisanja ovog teksta, TensorFlow 2.10 je poslednja verzija koja podržava GPU na Windows-u (nativno). Ako koristite novije pakete, TensorFlow preporučuje da instalirate TensorFlow u WSL 2, o čemu će biti reči u nastavku.
Ako želite da koristite TensorFlow sa GPU podrškom, preporučuje se da koristite Miniconda (instalater za conda menadžer paketa).
Sa Miniconda, možete kreirati odvojeno okruženje kako biste izbegli konflikte sa drugim softverom na vašem sistemu.
Da biste započeli, potrebno je da preuzmete najnoviji Miniconda Windows Installer i pratite uputstva na ekranu da biste završili instalaciju.
Kada završite, potrebno je da pokrenete Miniconda prompt, kao što je prikazano na slici ispod:
Evo kako to izgleda:
Nakon što se pojavi prozor sa Anaconda promptom, preporučuje se da unesete sledeću komandu kako biste bili sigurni da je conda menadžer paketa ažuriran:
conda update -n base -c defaults conda
Sada, evo koraka koje treba da sledite da biste instalirali TensorFlow:
Prvo, kreirajte novo okruženje (sa imenom tf):
conda create --name tf python=3.9
Savet: Možete ga aktivirati/deaktivirati koristeći komande: conda activate tf i conda deactivate
Potrebno je da ga aktivirate da biste nastavili dalje. Da biste omogućili GPU podršku, morate da imate instaliran grafički drajver (NVIDIA GPU), a zatim instalirajte nekoliko paketa pomoću sledeće komande:
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
Preuzimaju se paketi veličine oko 1 GB, koji uključuju alate koji omogućavaju implementaciju aplikacija za mašinsko učenje sa GPU-om i dubokim neuronskim mrežama.
Na kraju, potrebno je da koristite pip menadžer paketa za instalaciju TensorFlow paketa. Možete koristiti conda za instalaciju TensorFlow-a, ali možda neće imati najnoviju stabilnu verziju.
Pre nego što nastavite, proverite da li je pip ažuriran pomoću komande:
pip install --upgrade pip
Kada završite, instalirajte TensorFlow sa:
pip install tensorflow
Primetićete da se grade/instaliraju brojni paketi. Može izgledati kao da je zaglavljen u procesu, ali sačekajte minut i instalacija bi trebalo da se nastavi i završi.
#2. Korišćenje Conda i pip-a na WSL 2
Pod pretpostavkom da već imate WSL 2 podešavanje na vašem sistemu, možete da instalirate TensorFlow koristeći sledeće komande u terminalu distribucije:
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'))"
Možete kopirati sve odjednom i komande će se izvršavati jedna za drugom.
U slučaju da niste instalirali WSL 2 na Windows, pokrenite komandnu liniju sa administratorskim pristupom, a zatim unesite sledeće:
wsl.exe --install
Ovo će preuzeti Ubuntu i omogućiti WSL funkciju za vaš sistem. Biće potrebno da restartujete računar da biste završili proces.
Ako ne možete pronaći Ubuntu na sistemu, možete ga instalirati sa Microsoft prodavnice.
#3. Izgradnja iz izvora
S obzirom na to da je TensorFlow otvorenog koda, možete ga izgraditi od početka sa vašim konfiguracionim opcijama.
Ovo se preporučuje naprednim korisnicima koji su upoznati sa svim opcijama i koji znaju detalje konfigurisanja. Za više informacija, pogledajte zvaničnu dokumentaciju.
Kako Instalirati TensorFlow na Linux?
Kao i na Windows-u, možete instalirati TensorFlow koristeći Miniconda i pip na Linux-u, ili se odlučiti za izgradnju iz izvora.
Dozvolite da vam pokažem kako se to radi:
#1. Korišćenje Miniconda i pip (preporučeni metod)
Napomena: Pratite iste komande kao i na Windows-u. Jedina razlika je u načinu instaliranja/preuzimanja Miniconda na Linux.
Evo kako da instalirate Miniconda na Linux koristeći terminal:
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
Ponovo pokrenite terminal na vašoj Linux distribuciji i trebalo bi da vidite nešto poput sledećeg:
Primetićete (base) pre terminal promenljivih. Ovo pokazuje da je conda trenutno aktivna i instalirana.
Nemojte je deaktivirati dok ne završite instalaciju TensorFlow-a.
Možete se vratiti na prethodno navedene korake za Windows i instalirati TensorFlow, ili kopirati sledeće komande:
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'))"
Na Linux-u, možete imati problema sa drajverima za GPU. U tom slučaju, pogledajte NVIDIA dokumentaciju za više informacija.
#2. Izgradnja iz izvora
Kao i na Windows-u, izgradnja iz izvornog koda je komplikovana na Linux-u i preporučuje se isključivo naprednim korisnicima.
Vi (pretpostavljam da ste početnik) ne biste trebali da se odlučite za ovaj metod, osim ako nemate određeni razlog. Najbolji način da saznate više o tome je da konsultujete dokumentaciju.
Kako Instalirati TensorFlow koristeći Docker? (Windows i Linux)
Bez obzira na platformu, Docker omogućava da instalirate TensorFlow slike bez problema.
Uverite se da je Docker instaliran na vašem sistemu, a ukoliko vam je potrebna pomoć, možete pogledati naše uputstvo za instalaciju Docker-a.
Kada završite sa podešavanjem, potrebno je da unesete sledeću komandu u Docker-u:
docker pull tensorflow/tensorflow
Potrebno je da imate iskustva sa Docker kontejnerima da biste pokrenuli kontejner sa potrebnim konfiguracijama za vaš rad.
Za specifičnu GPU podršku ili preuzimanje druge TensorFlow verzije, pogledajte opcije dostupne u zvaničnoj dokumentaciji.
Evo kako komanda izgleda kada želite da je pokrenete pomoću Docker-a:
docker run [-it] [--rm] [-p hostPort:containerPort] tensorflow/tensorflow[:tag] [command]
Zaključak
Instalacija TensorFlow-a je jednokratan proces i uz ovaj vodič, za većinu korisnika bi trebalo da prođe bez problema.
Ukoliko ste imali prethodne konfiguracije ili podešavanja sa starijim verzijama Python-a ili starijim Conda menadžerom paketa, primenite najnovija ažuriranja kako biste instalirali TensorFlow bez problema.
Takođe možete istražiti najbolje AI platforme za kreiranje AI i ML aplikacija.