Como instalar o TensorFlow
Neste artigo de instalação do tensorflow, primeiro obteríamos uma visão geral do TensorFlow e seu uso no ecossistema de ciência de dados e, em seguida, instalaríamos o TensorFlow para Windows.
O que é o TensorFlow?
O TensorFlow é um aplicativo de software, popular para implementar algoritmos de Machine Learning, particularmente redes neurais. Foi desenvolvido pelo Google e lançado como uma plataforma de código aberto em 2015. Chama-se TensorFlow porque recebe entradas como matrizes multidimensionais, também conhecidas como tensores. Poderíamos construir um fluxograma de operações que desejamos realizar com essa entrada, ou seja, os dados entram em uma extremidade e depois fluem através desse sistema de operações e saem na outra extremidade como saída. O TensorFlow é popular devido à sua extrema versatilidade. Pode ser executado em plataformas diferentes, como desktop, nuvem ou dispositivo móvel. Tudo isso pode ser feito usando uma única API. Ele poderia ser treinado em várias máquinas e, em seguida, poderíamos executá-lo em uma máquina diferente. O TensorFlow é muito rápido porque é escrito em C ++, mas pode ser acessado e controlado por outras linguagens, principalmente Python. Outra grande característica do TensorFlow é o TensorBoard, que nos permite monitorar gráfica e visualmente o trabalho de um TensorFlow. Alguém que esteja interessado em Machine Learning, especialmente em redes neurais, deve aprender o TensorFlow.
Arquitetura de gráfico de fluxo de dados do TensorFlow
Um gráfico de fluxo de dados possui duas unidades básicas: um nó que representa uma operação matemática e uma aresta que serve uma matriz multidimensional conhecida como tensores. Portanto, essa abstração de alto nível mostra como os dados fluem entre as operações. Depois que o gráfico é criado, um loop interno é gravado para conduzir a computação. As entradas são alimentadas nos nós por meio de variáveis ou espaços reservados. No TensorFlow, os cálculos são executados somente após a criação da sessão.
Por que o TensorFlow é preferido no Deep Learning? 
O Deep Learning é uma parte do Machine Learning que aprende recursos e tarefas diretamente dos dados. Os dados podem ser imagens, texto ou som. É freqüentemente chamado de aprendizado de ponta a ponta. Uma rede neural é sinônimo de neurônios em nosso cérebro. No diagrama acima, os dados vêm da camada de entrada e fluem através das camadas ocultas, onde todos os cálculos são feitos e depois passam para a camada de saída. Vários players ocultos a tornam uma rede neural profunda, enquanto uma única camada forma uma rede neural superficial
- O TensorFlow possui amplo suporte interno para Deep Learning e redes neurais, portanto, é fácil montar redes, atribuir parâmetros e executar o processo de treinamento.
- Existem funções matemáticas treináveis que são úteis para redes neurais. Qualquer algoritmo de aprendizado de máquina baseado em gradiente se beneficiará da diferenciação automática do TensorFlow e do conjunto de otimizadores de primeira linha.
- O TensorFlow é compatível com vários aprendizado de máquina devido à sua extensa coleção de ferramentas flexíveis.
- Uma rede neural profunda lida com comportamentos mais complexos, onde cada entrada é processada por funções de ativação como tangente hiperbólica, função logística etc. A escolha da função de ativação afeta o comportamento da rede, e o TensorFlow fornece controle sobre a estrutura da rede.
- O TensorFlow também pode ser usado na construção de modelos lineares e não lineares simples.
Etapas para instalar o TensorFlow
A parte da instalação consiste em duas partes: -
- Instalando o Anaconda
- Configurando o TensorFlow usando o Anaconda Prompt.
Parte 1: Instale o Anaconda no Windows
O Anaconda é um pacote de alguns pacotes python populares e possui um gerenciador de pacotes chamado conda (semelhante ao pip). Alguns dos populares pacotes anaconda são - numpy, scipy, Jupiter, nltk, scikit-learn, etc. você recebe todos esses pacotes de uma só vez.
As etapas abaixo ilustram como instalar o Anaconda no Windows. O Python 3.7 não suporta o TensorFlow, portanto, usaremos o Anaconda para Python 3.6.
- Faça o download do instalador do Anaconda for Python 3.6 aqui - https://drive.google.com/open?id=12BLpz3wzsyI0kFcMgv0SGPj__0op-JJs
- Após o download do instalador, clique duas vezes nele e selecione Avançar.
- Clique em Concordo na próxima janela.
- Selecione Todos os usuários e clique em Avançar.
- Escolha o local de instalação que considerar apropriado e clique em Avançar.
- Na próxima janela, marque a caixa 'Registrar o Anaconda como o Python 3.6 do sistema' e clique em Instalar.
- A instalação está em andamento.
- Deixe a instalação continuar e, uma vez concluída, clique em Avançar para concluí-la. Em seguida, vá para Variáveis de ambiente nas janelas para definir o caminho.
- Clique em Novo e adicione a pasta Scripts em que você instalou o Anaconda e clique em OK.
- Agora, vá para a barra de pesquisa do Windows e digite Anaconda Prompt. Clique duas vezes no aplicativo e digite conda –version para confirmar sua instalação.
Parte 2: Configurando a instalação do TensorFlow usando o Anaconda Prompt
- Vá para o prompt do Anaconda e digite conda create -n myenv python = 3.6 e pressione enter.
- Pressione Y e pressione Enter. Ele criará um ambiente separado para instalar o TensorFlow
- Digite conda active myenv e digite Enter para entrar no ambiente.
- Quando estiver no ambiente, insira o seguinte, um por um
- conda install jupyter
- conda install scipy
- instalação do pip - upgrade do tensorflow
- Uma vez feito isso, digite python e digite importor tensorflow. Se não houver nenhum erro, será instalado com êxito o TensorFlow.
Aplicações práticas do TensorFlow
O Deep Learning surgiu no coração de quase todas as grandes inovações computacionais nos últimos anos. Já está em muitos de nossos produtos diários, como recomendações personalizadas da Netflix e da Amazon, filtragem de spam e até mesmo nossa interação com assistentes pessoais como Apple Siri ou Microsoft Cortana.
No entanto, não são apenas as aplicações científicas que se beneficiam com esta pesquisa. Pessoas de outras disciplinas também estão começando a explorar como o aprendizado profundo pode ser usado em casos como a Detecção de Objetos (como mostrado na imagem). Ele ensina o computador a reconhecer um objeto em uma imagem e, em seguida, usa esse conhecimento para direcionar novos comportamentos.
Últimas Tendências do TensorFlow
O TensorFlow lançou recentemente sua versão 1.12.0, na qual poucas das principais melhorias são: -
- O modelo Keras pode ser exportado diretamente para o formato SavedModel e usado com a mola TensorFlow.
- Os binários são construídos com suporte a XLA e os modelos Keras agora podem ser avaliados com tf.data.Dataset.
- Conjunto de dados Ignite adicionado ao contrib / inflamar que permite trabalhar com o Apache Ignite.
Artigos recomendados
Este foi um guia sobre como instalar o TensorFlow Aqui discutimos as instruções e as diferentes etapas para instalar o TensorFlow. Você também pode consultar o seguinte artigo para saber mais -
- Diferenças de TensorFlow vs Caffe
- Comparação de Tensorflow e Pytorch
- Carreiras em Aprendizagem Profunda
- PowerShell vs Python - Diferenças
- Introdução ao TensorFlow Playground