Em matemática avançada, a palavra Tensor é uma matriz multidimensional e o fluxo é o gráfico das operações. O sistema Aprendizado de máquina TensorFlow é uma ferramenta de função de biblioteca de código aberto para aprendizado de máquina.
É usado para criar modelos com dados, criar gráficos com nós, arestas e arrays multidimensionais. Você pode instalar o sistema de aprendizado de máquina TensorFlow no Ubuntu sem nenhum hardware especial.
Também há funções integradas para usar o Tensorflow com o navegador Anaconda ou o notebook Jupyter em um sistema Linux.
Sistema de aprendizado de máquina TensorFlow no Ubuntu
o Sistema de aprendizado de máquina Tensorflow é compatível com diferentes sistemas operacionais e ambientes. No Linux, o Tensorflow pode ser usado com um ambiente de front-end Python.
Ele tem uma API para C ++ e Python e suporta processamento distribuído. Permite distribuir trabalhos entre vários computadores por meio do Tensorflow. Nesta postagem, veremos como usar o ambiente Pip para configurar a ferramenta de biblioteca Tensorflow em um sistema Linux.
Leia: 6 principais ferramentas de notificação por e-mail para sistema Linux
Etapa 1: instalar o ambiente virtual Python3
Como o sistema de aprendizado de máquina TensorFlow requer Python, instalaremos o ambiente virtual python3 em nosso sistema Ubuntu. Ele está disponível no repositório oficial do Linux. Você pode executar o seguinte comando aptitude para instalar o ambiente Python3 em seu sistema.
sudo apt-get install python3 python3-venv python3-dev -y
Quando a instalação terminar, verifique se python3 está instalado ou não.
python3 -V
Etapa 2: criar um diretório TensorFlow
Depois de instalar o ambiente Python, vamos criar um novo diretório para armazenar os dados do TensorFlow no sistema de arquivos Ubuntu. Você pode executar os seguintes comandos make directory e cd mencionados abaixo para criar um novo diretório e criar um ambiente virtual.
Aqui, criei um novo diretório chamado tensorflow_files para usar como repositório do sistema de aprendizado de máquina Tensorflow.
mkdir tensorflow_files cd tensorflow_files python3 -m venv virtualenv python3 -m venv venv
Agora, execute o seguinte comando em seu terminal shell com privilégio de root para ativá-lo em seu sistema Ubuntu.
source venv/bin/activate
Etapa 3: atualize a versão do Pip
O novo diretório pode levar alguns segundos para se tornar ativo com o novo ambiente virtual. Execute o seguinte comando pip no shell do terminal para atualizar o pacote Pip. O instalador Pip atualizado ajudará você a obter a versão mais recente do sistema de aprendizado de máquina TensorFlow em seu sistema Ubuntu.
# pip install --upgrade pip
Etapa 4: instalar o TensorFlow Machine Learning System
Por fim, execute o comando pip install no shell do terminal para instalar a biblioteca de aprendizado de máquina TensorFlow no Ubuntu. Certifique-se de ter acesso root antes de executar o comando.
pip install --upgrade tensorflow
O processo de instalação pode demorar um pouco para ser concluído. Execute o seguinte comando para verificar a ferramenta de biblioteca de aprendizado de máquina TensorFlow em seu sistema. No comando de retorno, você verá a versão da ferramenta TensorFlow em sua máquina.
# python -c 'import tensorflow as tf; print(tf.__version__)'
Quando a instalação e verificação forem concluídas, você pode usar o seguinte comando para desabilitar o ambiente virtual Python em seu sistema Ubuntu Linux.
(venv) root@ubuntupit:~/tensorflow_files# deactivate
conclusão
Tensorflow é um dos repositórios com melhor classificação no Github. Pode ser usado em ambientes de pesquisa e produção. Você pode criar e implementar algoritmos, aplicativos matemáticos simples, liner e regressão logística com o Ferramenta de aprendizado de máquina Tensorflow. Mesmo que você não seja especialista em ciência da computação, pode executar a biblioteca do Tensorflow para analisar e criar projetos arquitetônicos.
Eu descrevi como instalar o sistema de aprendizado de máquina TensorFlow no Ubuntu Linux na postagem completa. Por favor, compartilhe com seus amigos e a comunidade Linux se você achar esta postagem útil e informativa.
