最近,TensorFlow 2.0版的開發者預覽版發佈沒多久,這不,又有一篇優質教程來了。
前Youtube視頻分類的產品經理、Hands-On MachineLearning with ScikitLearn and TensorFlow一書的作者Aurélien Geron
就發佈了用tf.keras和TensorFlow2.0做深度學習任務的Jupyter教程。
教程一發,網友點贊轉發不在少數,不少網友表示教程簡潔重點“真的很棒”!
安裝
教程開始——
如果之前你沒安裝過git那就先開始安裝吧,輸入以下命令複製存儲庫。
如果熟悉Python並知道如何安裝Python庫,就繼續安裝NumPy、Matplotlib、Jupyter和TensorFlow吧,可以在requirements.txt中查看詳細信息,然後跳轉到Starting Jupyter部分。
相關地址:
https://github.com/ageron/tf2_course#starting-jupyter
很多人可能已經安裝了2.0的預覽版,有些人甚至安裝了3.0版本,所以先檢查你的Python版本,確定下自己的是哪一種:
這個教程需要Python 3.5或者Python 3.6,TensorFlow目前還不支持Python 3.7。你可以稍微調整後,在Python 2中運行這段代碼,但還是建議升級到Python 3。
這時的第一種選擇因系統而異,在Windows或MacOSX系統上可以從官網下載,MacOSX系統也可以使用MacPorts或Homebrew。Linux要用系統封裝。
官網地址:
https://www.python.org/downloads/
比如,在Debian或Ubuntu中輸入:
第二種選擇是下載並安裝Anaconda,包含Python和很多庫。
Anaconda的使用
如果剛剛你選擇了其二Anaconda,現在就能創建本教程專用的獨立Python環境了:
新的Python 3.6環境tf2course出來後激活它,此外,我們還需要繼續安裝:
這一步是在tf2course環境中安裝TensorFlow 2,如果上一步沒有創建這個環境,需要刪除-n tf2course選項。
好了準備階段馬上結束,下面即將步入Starting Jupyter的校車。
pip的使用
如果上一步你沒有使用Anaconda,則需要安裝本課程所需的幾個科學Python庫:NumPy,Jupyter,Matplotlib和TensorFlow。
因此可以借用Python的集成封裝系統pip,你也可能更喜歡使用系統自己的封裝系統。使用系統封裝系統優勢也很明顯,就是庫版本與系統其他軟件包之間存在衝突的風險較小。
而pip的優點是可以容易地創建包含不同庫和不同庫版本的多個Python環境,且每個環境都相互隔離。
如果想用pip安裝所需的庫,試試下面這些指令。
首先確保安裝了最新版本的pip:
接下來需要創建隔離環境,這樣做可以為每個項目提供不同的環境,方便以後的不同任務:
這是系統會自動創建一個env模塊來調用當前目錄,也包括使用python 3隔離出的單獨環境。如果你在系統上安裝了多個版本的Python 3,可以將which python3替換成你希望使用的可執行文件路徑。
在每次激活環境前,都需要你運行此命令:
接下來用pip安裝所需的Python安裝包:
大功告成!你只用啟動Jupyter就可以了。
啟用Jupyter
打開Jupyter,輸入下面這段代碼:
現在打開你的瀏覽器可以看到Jupyter的樹狀圖,如果瀏覽器沒有自動打開,你需要先跳轉到localhost:8888。
localhost:8888地址:
http://localhost:8888/tree
接下來單擊*.ipynb打開Jupyter筆記本。好了,祝你在TensorFlow 2中玩得開心!
作者提示,因為TensorFlow 2.0版還未正式發佈,所以預覽版與最終版可能存在一定區別,正式發佈後還請各位稍加留意。
傳送門
GitHub教程:
https://github.com/ageron/tf2_course
銅靈 編譯整理量子位 出品閱讀更多 七月在線 的文章