딥러닝 프레임워크인 TensorFlow의 개념과 설치

2015년 11월 9일, 구글은 인공지능 시스템 텐서플로우(TensorFlow)를 출시하고 오픈소스라고 발표했습니다.

1. TensorFlow의 개념

TensorFlow는 수치 계산을 위해 데이터 흐름 그래프를 사용하는 오픈 소스 소프트웨어 라이브러리입니다. 즉, TensorFlow는 그래프를 사용하여 컴퓨팅 작업을 나타냅니다. 그래프의 노드는 수학적 연산을 나타내고, 모서리는 연산 간의 통신에 사용되는 다차원 배열(즉, 텐서)을 나타냅니다. TensorFlow의 유연한 아키텍처를 사용하면 컴퓨팅 프로세스를 하나 이상의 CPU 또는 GPU에 배포할 수 있습니다.

TensorFlow는 원래 Google Brain Team의 연구원과 엔지니어가 개발했으며 주로 Google의 Machine Intelligence 연구 조직에서 기계 학습 및 심층 신경망 연구를 위해 사용하지만 이 시스템은 다른 많은 분야에서도 일반적으로 사용됩니다.

모델의 추상적 표현은 프레임워크에 의해 자동으로 처리되므로 TensorFlow와 Theano는 경사 최적화 알고리즘을 기반으로 하는 새로운 모델을 개발하는 데 특히 적합합니다.

Theano의 가장 큰 단점은 위 기호 모델의 컴파일 시간이 길다는 점인데, TensorFlow는 이를 효과적으로 개선합니다. 즉, 컴파일 시간이 더 짧습니다.

TensorFlow의 또 다른 장점은 모델의 훈련 과정을 시각화하는 지원 도구인 TensorBoard입니다. 이러한 방식으로 사용자는 모델의 구조를 대화형으로 검사하고 매개변수 및 모델 성능의 변화를 관찰할 수 있습니다.

TensorFlow의 오픈 소스 버전은 하나의 시스템에서만 실행될 수 있지만 여러 프로세서(CPU 또는 GPU)에서 병렬 컴퓨팅을 지원합니다.

1.1 데이터 흐름도란 무엇입니까?

데이터 흐름 다이어그램은 유향 그래프를 사용하여 그래프의 점과 모서리로 수학적 계산을 설명합니다.

노드는 일반적으로 수학적 계산을 수행하지만 결과를 나타내거나 영구 변수를 읽고 쓰는 엔드포인트 역할을 할 수도 있습니다.

Edge는 노드 간의 입출력 관계를 설명하는 데 사용됩니다. 이러한 가장자리는 다차원 배열 또는 가변 크기의 텐서를 전달합니다.

이러한 노드는 컴퓨팅 장치에 할당되고 비동기적으로 실행됩니다. 모든 텐서가 동시에 도착하면 병렬 계산이 수행됩니다.

그래프의 텐서 흐름 때문에 이를 TensorFlow라고 부릅니다.

1.2 TensorFlow의 기능

1. 깊은 유연성, 유연성. TensorFlow는 엄격한 신경망 라이브러리가 아니며, 계산 과정을 데이터 흐름 그래프로 표현할 수 있다면 TensorFlow를 사용할 수 있습니다. 새로운 계산을 정의하는 것은 Python 함수를 작성하는 것만큼 간단하며 비용도 높지 않습니다. 필요한 기본 데이터 작업을 볼 수 없는 경우 C++를 통해 추가할 수 있습니다.

2. 진정한 휴대성, 휴대성. TensorFlow는 CPU 또는 GPU에서 실행되며 노트북, 서버 또는 모바일 컴퓨팅 플랫폼에서 실행될 수 있습니다. 특별한 하드웨어나 코드 변경 없이 모바일 기기에서 모델을 훈련할 수 있으며, Docker와 TensorFlow를 캡슐화하여 클라우드에서 컴퓨팅을 수행할 수 있습니다.

3. 학술 및 산업 분야 모두에서 연구와 생산을 연결합니다. Google의 과학자들은 TensorFlow를 사용하여 새로운 알고리즘을 테스트하고 제품 팀은 TensorFlow를 사용하여 사용자에게 서비스를 제공할 모델을 교육합니다.

4. 자동 구별, 자동 식별. TensorFlow의 자동 판별 기능은 경사 기반 기계 학습 알고리즘을 구현하는 데 유용합니다. TensorFlow를 사용할 때 예측 모델에 대한 계산 프레임워크 구조와 목적 함수를 정의한 다음 데이터를 추가하기만 하면 TensorFlow가 도함수, 즉 기울기를 계산합니다.

5. 언어 옵션, 언어 선택. TensorFlow는 Python 인터페이스와 간단한 C++ 인터페이스를 사용하여 계산 그래프를 구축하고 실행할 수 있습니다. 관심이 있으시면 Lua, JavaScript, R 등 선호하는 언어로 인터페이스를 제공할 수도 있습니다.

6. 성능 극대화, 성능 극대화. TensorFlow를 사용하면 CPU 코어 32개와 GPU 카드 4개, 스레드, 대기열, 비동기 계산 등 사용 가능한 하드웨어를 최대한 활용할 수 있습니다. TensorFlow 그래프의 컴퓨팅 요소를 다양한 장치에 자유롭게 할당하고 TensorFlow가 이를 처리하도록 할 수 있습니다.

1.3 누가 TensorFlow를 사용할 수 있나요?

학생, 연구원, 열정가, 해커, 엔지니어, 개발자, 발명가, 혁신가 등.

TensorFlow는 현재 완료되지 않았으며 확장이 필요합니다. Google은 소스 코드의 초기 버전만 제공했으며 TensorFlow를 점점 더 좋게 만들기 위해 활발한 오픈 소스 커뮤니티를 구축하기를 희망합니다.

현재 TensorFlow를 사용하는 회사로는 Google, Uber, Twitter, DeepMind, JD.com 등이 있습니다.

1.4 Google이 TensorFlow 소스를 오픈하는 이유는 무엇인가요?

"TensorFlow"는 수년간 Google의 내부 기계 학습 시스템입니다. 오늘날 Google은 이 시스템을 오픈 소스 시스템으로 만들고 이 시스템의 매개 변수를 수많은 프로그래밍 기능을 갖춘 업계 엔지니어, 학자 및 기술자에게 공개하고 있습니다.

답은 간단합니다. Google은 기계 학습이 미래 혁신의 핵심 구성 요소라고 믿습니다. 이 분야의 연구는 전 세계적으로 빠르게 발전하고 있지만 표준 도구가 부족합니다. Google 엔지니어들은 TensorFlow를 사용하여 사용자 중심의 제품과 서비스를 개발하고 있습니다. Google 연구팀은 TensorFlow가 최고의 머신러닝 도구 중 하나가 되기를 희망합니다.

부적절한 비유를 사용하자면, 현재 Google의 TensorFlow 시스템 처리 방식은 모바일 운영 체제인 Android 처리 방식과 다소 유사합니다. 더 많은 데이터 과학자가 Google 시스템을 사용하여 기계 학습 연구를 수행하기 시작하면 Google이 성장하는 기계 학습 산업에서 더 많은 지배력을 얻는 데 도움이 될 것입니다.

1.5 TensorFlow 및 전산 생물학

현재 딥 러닝 방법을 사용하려면 전제 조건이 있습니다. 즉, 많은 샘플이 포함된 데이터 세트가 있어야 합니다.

특정 질병과 관련된 유전자나 메틸화 프로브를 식별하는 것처럼 샘플 세트가 매우 작아서 딥러닝으로 분석할 수 없습니다. [울다... 딥러닝으로 질병 유전자를 식별하고 싶은데...]

딥러닝 모델을 사용하려면 첫 번째 단계는 데이터를 어떻게 표현하느냐의 문제를 해결하는 것입니다. 예: 스플라이스 접합, RNA-단백질 결합 부위 또는 메틸화. 즉, 샘플 수가 변수 수를 훨씬 초과합니다.

따라서 이 중요한 단계가 해결되는 한 TensorFlow는 딥 러닝의 문을 열어줄 것입니다.

2. Tensorflow 설치(pip 기반)

Pip은 Python 소프트웨어 패키지 설치 및 관리 도구입니다. 또한 Tensorflow는 Linux 환경에만 설치할 수 있습니다. VMware에서 Linux 시스템을 설치하는 방법에 대한 자세한 내용은 제 다른 블로그를 참조하세요.

2.1 pip 설치(최고 관리자 권한으로 설치해야 함)

1. sudo apt-get install python-pip python-dev

참고: 위의 인터페이스는 pip를 나타내는 것으로 나타납니다. 성공적으로 설치되었습니다!

2.2 Tensorflow 설치

1. sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-cp27-none- linux_x86_64.whl

2.3 테스트

1. >> gt; 텐서플로 가져오기

2. > >> hello = tf.constant('Hello, TensorFlow!')

3. >>>>> >> print sess.

   run
(hello
4. )

   안녕하세요,

   TensorFlow!

5. 참고: ：Ctrl+D 2.4 IDE Pycharm 설치

   공식 웹사이트에서 Linux용 커뮤니티 버전을 다운로드하고 공식 웹사이트 튜토리얼의 단계에 따라 설치하세요.

참고: Linux의 브라우저에서 직접 다운로드할 수 있습니다.

먼저 설치하려는 위치에 파일을 복사하세요. ㅋㅋㅋ

pycharm.sh 파일이 있는 디렉터리를 엽니다:

1. cd pycharm-community-2016.3/bin

pycharm.sh 파일을 실행하여 pycharm을 설치합니다.

1. ./pycharm. sh

설치 후 pycharm이 자동으로 열리고 일련의 설정이 수행됩니다.

다음 인터페이스가 나타나면 설치에 성공했다고 설명하세요.

새 프로젝트를 만들려면 "새 프로젝트 만들기"를 선택하세요. 기본 컴파일러는 Python 2.7입니다.

그런 다음 새로 생성된 프로젝트를 마우스 오른쪽 버튼으로 클릭하고 "새로 만들기->Python 파일"을 선택하여 새 Python 파일 Py01을 만듭니다.

테스트를 위해 Py01 파일에 코드 조각을 작성합니다.

테스트 결과가 정확하고 Pycharm에서 tensorflow를 가져올 수 있음을 알 수 있습니다!

2.5 Pycharm을 런처에 잠그기

Ubuntu에서는 매번 pycharm.sh가 있는 폴더를 찾아서 ./pycharm.sh를 실행하고 pycharm을 열어야 하는데 이게 굉장히 번거롭습니다.

그래서 바로가기를 만들어 볼까요? Ubuntu 바로가기는 "컴퓨터/usr/share/applications" 아래에 있습니다.

먼저 다음 디렉터리에 Pycharm.desktop을 만듭니다.

1. sudo gedit /usr/share/applications/Pycharm.desktop

다음 콘텐츠의 경우, Exec과 Icon이 자신의 컴퓨터에서 올바른 경로를 찾아야 한다는 점에 주의하세요. 또한 실제 상황에 따라 GenericName 및 Comment에서 Pycharm의 버전 번호를 설정해야 합니다.

1. [Desktop Entry ]

2. Type=Application

3. Name=Pycharm

4. GenericName=Py charm2017

5. Comment=Pycharm2017:The Python IDE

6. Exec="/home/wangfang/Pycham/pycharm-community-2017.1.3/bin/pycharm.sh" %f

7. 아이콘= /home/wangfang/Pycham/pycharm-community-2017.1.3/bin/pycharm.png

8. Terminal=pycharm

9. 카테고리=Pycharm;

저장 후 /usr/share/applications/ 경로를 통해 해당 데스크톱 Pycharm.desktop 파일을 찾은 다음 두 번 클릭하여 연 다음 런처에 잠급니다.

참조:

1. TensorFlow 공식 웹사이트

2. Geek Academy - TensorFlow 공식 문서 중국어 버전

3. Geek Academy - 다운로드 및 설치

4. Geek Academy— —MNIST 머신 소개 학습(소프트맥스 회귀 모델 구축)

5. Geek Academy - 심층 MNIST(심층 컨벌루션 신경망 구축)

6. Ladislav Rampasek 및 Anna Goldenberg, TensorFlow: Biology's Gateway to Deep Learning?

7. werm520's 열: Ubuntu에 PyCharm 설치

8. Ubuntu에 Anaconda 설치

9. Linux(Ubuntu14.04)에 Anaconda 및 Spyder 설치

10. Ubuntu에 TensorFlow를 설치하는 방법

11. 
    

위 내용은 딥러닝 프레임워크인 TensorFlow의 개념과 설치의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!