Come installare Keras con TensorFlow Backend su Linux

Introduzione

Keras è una libreria di reti neurali basata sul linguaggio di programmazione Python progettata per semplificare le applicazioni di apprendimento automatico. Keras funziona su framework come TensorFlow.

In questa guida, scopri come installare Keras e Tensorflow su un sistema Linux.

Prerequisiti

• Una macchina Linux con accesso a una riga di comando/terminale
• Un account utente con sudo o root privilegi
• Il Python 3.5 – 3.8 ambiente di sviluppo
• Il pip Python3 gestore di pacchetti

Come installare Keras su Linux

Keras è progettato per funzionare con molti framework di apprendimento automatico diversi, come TensorFlow, Theano, R, PlaidML e Microsoft Cognitive Toolkit. Tuttavia, il miglior framework da utilizzare con Keras è TensorFlow.

Questo articolo tratterà anche l'installazione di TensorFlow.

PASSAGGIO 1:installa e aggiorna Python3 e Pip

Salta questo passaggio se hai già Python3 e Pip sulla tua macchina.

In caso contrario, apri il terminale e inserisci il seguente comando, a seconda della tua distribuzione Linux:

CentOS/RedHat:

sudo yum install python3 python3-pip

Digita y quando richiesto. Lascia che l'installazione completi il ​​processo.

Quindi, esegui questo comando per aggiornare Pip:

sudo pip3 install ––upgrade pip

Ubuntu/Debian:

Il processo per queste distribuzioni è simile:

sudo apt install python3 python3.pip

sudo pip3 install ––upgrade pip

PASSAGGIO 2:Aggiorna gli strumenti di configurazione

Per aggiornare setuptools , inserisci quanto segue:

pip3 install ––upgrade setuptools

Senza questo passaggio, potresti ricevere errori su determinati pacchetti che richiedono un diverso setuptools versione rispetto a quella che hai sul tuo sistema.

PASSAGGIO 3:Installa TensorFlow

L'installazione di TensorFlow è semplice. Usa Pip e questo comando per installarlo::

pip3 install tensorflow

Lascia che il download e l'installazione finiscano.

Verifica che l'installazione sia riuscita controllando le informazioni sul pacchetto software:

pip3 show tensorflow

Il sistema dovrebbe visualizzare la versione di TensorFlow e altri dati.

Per un input più breve, usa questo comando:

pip list | grep tensorflow

PASSAGGIO 4:Installa Keras

Infine, installa Keras con il seguente comando:

pip3 install keras

Il terminale mostra il messaggio di conferma al termine del processo.

Verifica l'installazione visualizzando le informazioni sul pacchetto:

pip3 show keras

PASSAGGIO 5:installa Keras da Git Clone (opzionale)

Se hai Git sul tuo sistema, puoi usarlo per clonare una copia del pacchetto software Keras da GitHub.

Per clonare il pacchetto Keras da GitHub, inserisci quanto segue:

git clone https://github.com/keras-team/keras.git

Una volta completato il download, passa a /keras directory:

cd keras

Da lì, esegui Keras programma di installazione python:

sudo python3 setup.py install

L'output mostra la conferma al termine del processo:

Keras contro TensorFlow

Keras e TensorFlow sono entrambi software open source. TensorFlow è una libreria software per l'apprendimento automatico. Keras funziona su TensorFlow ed espande le capacità del software di apprendimento automatico di base. Keras rende inoltre l'implementazione, il test e l'utilizzo più facili da usare.

Keras collabora con TensorFlow per fornire un'interfaccia nel linguaggio di programmazione Python. Funziona utilizzando livelli e modelli .

Livelli

Un livello è un'unità di elaborazione. Accetta input, esegue calcoli su quell'input, quindi restituisce le informazioni trasformate.

Un livello richiede quanto segue:

• Forma dell'input: Definisce come il livello darà un senso alle informazioni di input
• Inizializzatore :imposta il peso , o importanza, di ogni informazione.
• Attivatore: Trasforma i dati in una forma non lineare.

Modelli

Un modello è un gruppo di livelli . Un modello include anche moduli di formazione e di inferenza:è qui che entra in gioco l'apprendimento automatico. Ogni modello ha quanto segue:

• Ingressi: Script che inviano informazioni nel modello Keras.
• Uscite: L'informazione che esce dopo essere stata trasformata dal modello Keras.
• Digita: Un modello può essere sequenziale , il che significa che viene costruito uno strato alla volta per risolvere un problema. Oppure può essere funzionale , dove i livelli possono interconnettersi in modi complessi e non lineari.