TensorFlow là một nền tảng mã nguồn mở do Google phát triển dành cho máy học và trí tuệ nhân tạo (artificial intelligence). Nó giúp một số nhiệm vụ cho các lập trình viên làm việc trong lĩnh vực này.
Để bắt đầu, trước khi bắt đầu sử dụng TensorFlow, bạn cần hiểu về học máy hay cụ thể là học sâu.
Tại thời điểm này, tôi muốn nhấn mạnh một số điều về TensorFlow, các tính năng của nó và các phương pháp nhanh chóng để cài đặt trên hệ thống Windows và Linux.
Tổng quan về TensorFlow
Về mặt kỹ thuật, TensorFlow là một khung mã nguồn mở hỗ trợ các ứng dụng học sâu và các trường hợp sử dụng máy học khác.
Tạo điều kiện phát triển và triển khai các ứng dụng dựa trên ML. Nếu muốn giải quyết vấn đề bằng máy học, bạn có thể nhờ sự trợ giúp của TensorFlow.
TensorFlow cung cấp các công cụ giúp bạn tạo và huấn luyện các mô hình bằng Python hoặc JavaScript. Mặc dù tôi không phải là nhà phát triển nhưng bạn có thể tham khảo tài liệu của nó để tìm hiểu xem nó ảnh hưởng như thế nào đến quy trình làm việc của bạn khi triển khai các ứng dụng máy học.
Các tính năng của TensorFlow
TensorFlow nổi tiếng vì nhiều lý do và bạn có thể tự đánh giá bằng cách biết các tính năng tốt nhất của nó.
Nếu chúng ta thảo luận về những lợi ích kỹ thuật, bạn sẽ phải so sánh chúng với những gì bạn đang làm. Do đó, chúng tôi sẽ tập trung vào các tính năng phổ biến có lợi cho hầu hết mọi người.
1. mã nguồn mở
Google đã quyết định mã nguồn mở TensorFlow vào năm 2015 để cho phép cộng đồng tiếp tục cải thiện nó và làm cho hoạt động của nó trở nên minh bạch.
Các nhà phát triển có thể tùy chỉnh thư viện theo nhiều cách khác nhau để giải quyết các vấn đề mà bạn có thể không ngờ tới.
Nếu không có khung nguồn mở, nó có thể không phổ biến như hiện tại. Kể từ đây
2. gỡ lỗi dễ dàng
TensorFlow được thiết kế để giúp bạn dễ dàng tạo các mô hình; do đó gỡ lỗi liền mạch là một phần của quy trình.
Lớp kem trên bánh là giao diện người dùng trực quan.
3. Nó hỗ trợ cả CPU và card đồ họa
Với TensorFlow, bạn có tùy chọn đào tạo tính toán dữ liệu trên CPU hoặc GPU. Thông thường, GPU tăng tốc hiệu suất của các ứng dụng học sâu so với CPU.
Vì vậy, nếu bạn có một GPU mạnh mẽ trong kho vũ khí của mình, thì TensorFlow có thể giúp bạn tận dụng tối đa GPU đó.
4. API máy học hữu ích
API giúp các nhà phát triển tích hợp các chức năng khác nhau vào ứng dụng của họ. Và TensorFlow cung cấp cho bạn quyền truy cập vào một bộ sưu tập tốt các API ổn định.
Một số trong số họ cũng có thể cung cấp lợi ích hiệu suất. Theo tuyên bố chính thức của anh ấy, bạn sẽ không gặp vấn đề gì với những thứ có sẵn trong Python. Nếu bạn làm việc với các ngôn ngữ khác, bạn cần kiểm tra với những người bảo trì TensorFlow xem họ có phù hợp với trường hợp sử dụng của bạn không.
5. Các mẫu sẵn sàng cho sản xuất
TensorFlow đi kèm với nhiều mô hình được đào tạo trước. Cho dù bạn là người chuyên nghiệp hay người mới, bạn có thể sử dụng chúng để tiết kiệm thời gian và xây dựng các mô hình ML nhanh hơn.
Ngoài các tính năng này, bạn còn có được sự linh hoạt, dễ sử dụng, một bộ công cụ trực quan và nhiều tính năng khác có thể hỗ trợ quy trình phát triển máy học của bạn.
Bây giờ bạn đã có ý tưởng hay về TensorFlow, bạn có thể tải nó xuống ở đâu? Cách cài đặt và cấu hình nó trên hệ thống Windows và Linux?
Hãy thảo luận về nó dưới đây.
Tải xuống và cài đặt TensorFlow
Không giống như các chương trình khác, bạn sẽ không nhận được tệp cài đặt .exe ở đây. Trước hết, bạn sẽ cần tải xuống gói bằng trình quản lý gói được đề xuất.
Nói chung, có nhiều cách khác nhau để cài đặt. Chúng ta có thể liệt kê chúng như sau:
- Sử dụng Miniconda và pip
- Sử dụng Miniconda và pip trên WSL 2
- Sử dụng bộ chứa Docker
- Xây dựng từ nguồn
Cách cài đặt TensorFlow trên hệ thống của bạn Windows?
Không giống như các chương trình khác, bạn sẽ không nhận được tệp cài đặt .exe ở đây. Bạn sẽ cần tải xuống gói bằng trình quản lý gói được đề xuất.
#1. Sử dụng Miniconda và pip (phương pháp được đề xuất)
Lưu ý: Tại thời điểm viết bài, TensorFlow 2.10 là phiên bản cuối cùng hỗ trợ GPU trên hệ thống Windows (tự nhiên). Nếu bạn đang làm việc với các gói mới hơn, TensorFlow khuyên bạn nên cài đặt TensorFlow trong WSL 2mà sẽ được thảo luận sau.
Nếu bạn muốn sử dụng TensorFlow có hỗ trợ GPU, TensorFlow khuyên bạn nên sử dụng Miniconda (trình cài đặt trình quản lý gói conda) để bắt đầu.
Với Miniconda, bạn có thể tạo một môi trường riêng biệt để tránh xung đột với bất kỳ phần mềm nào khác trên hệ thống của mình.
Để bắt đầu, bạn cần tải xuống bộ cài đặt Miniconda mới nhất Windows Installer và làm theo hướng dẫn trên màn hình để hoàn tất cài đặt.
Sau khi hoàn tất, bạn cần chạy lời nhắc Miniconda như trong ảnh chụp màn hình:
Đây là những gì nó trông giống như:
Khi hộp nhắc Anaconda xuất hiện, bạn có thể nhập lệnh sau để đảm bảo rằng trình quản lý gói conda được cập nhật:
<strong>conda update -n base -c defaults conda</strong>
Bỏ qua vấn đề đó, đây là các bước bạn cần thực hiện để cài đặt TensorFlow:
Đầu tiên, để tạo một môi trường mới (có tên là tf):
<strong>conda create --name tf python=3.9 </strong>
Gợi ý: bạn có thể kích hoạt/tắt nó bằng các lệnh: conda activate tf và conda deactivate
Bạn sẽ phải kích hoạt nó để tiếp tục. Để bật hỗ trợ GPU trong quy trình này, hãy đảm bảo bạn đã cài đặt trình điều khiển đồ họa (GPU NVIDIA), sau đó cài đặt một số gói bằng lệnh sau:
<strong>conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0</strong>
Tải xuống khoảng 1 gói gigabyte chứa các công cụ để triển khai các ứng dụng máy học với GPU và mạng lưới thần kinh sâu.
Cuối cùng, bạn sẽ cần sử dụng trình quản lý gói pip để cài đặt gói TensorFlow. Bạn có thể sử dụng conda để cài đặt Tensorflow nhưng nó có thể không có phiên bản ổn định mới nhất cần thiết.
Đảm bảo rằng pip được cập nhật bằng lệnh trước khi tiếp tục:
pip install --upgrade pip
Sau khi hoàn tất, hãy cài đặt TensorFlow với:
<strong>pip install tensorflow</strong>
Bạn sẽ nhận thấy rằng nhiều gói đang được xây dựng/cài đặt. Quá trình này có vẻ như bị kẹt, nhưng hãy đợi một phút và quá trình này sẽ tiếp tục và hoàn tất quá trình cài đặt.
#2. Sử dụng condy và pip trên WSL 2
Giả sử bạn đã thiết lập WSL 2 trên hệ thống của mình, bạn có thể cài đặt TensorFlow bằng các lệnh sau trong thiết bị đầu cuối phân phối của mình:
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"Bạn có thể dán tất cả những thứ này cùng một lúc và chúng sẽ được xử lý từng cái một.
Trong trường hợp bạn chưa cài đặt WSL 2 trong hệ thống Windows. Đi tới Dấu nhắc lệnh với quyền truy cập của quản trị viên, sau đó nhập lệnh sau:
wsl.exe --install
Nó sẽ tải xuống Ubuntu và kích hoạt tính năng WSL cho hệ thống của bạn. Để hoàn thành việc này, bạn phải khởi động lại máy tính của mình.
Nếu bạn không thể tìm thấy Ubuntu trên hệ thống của mình, bạn có thể truy cập Microsoft Store và cài đặt Ubuntu WSL.
#3. Xây dựng từ nguồn
Vì TensorFlow là mã nguồn mở nên bạn có thể xây dựng nó từ đầu bằng cách sử dụng các tùy chọn cấu hình.
Do đó, nó được khuyến nghị cho những người dùng nâng cao, những người biết tất cả các tùy chọn và biết các loại đai ốc và bu lông để thiết lập. Vui lòng tham khảo tài liệu chính thức để tìm hiểu thêm về điều này.
Làm cách nào để cài đặt TensorFlow trên Linux?
Giống như Windows, bạn có thể cài đặt TensorFlow với Miniconda và pip trên linux. Hoặc chọn xây dựng từ nguồn.
Tôi sẽ chỉ cho bạn cách nó được thực hiện:
#1. Sử dụng Miniconda và pip (phương pháp được đề xuất)
Lưu ý: thực hiện theo các lệnh tương tự như trên hệ thống Windows. Sự khác biệt duy nhất là cách Miniconda được cài đặt/tải xuống trên Linux.
Đây là cách cài đặt Miniconda trên Linux bằng thiết bị đầu cuối:
curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -o Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh
Khởi động lại thiết bị đầu cuối trên bản phân phối Linux của bạn để tìm thứ gì đó như thế này:
Bạn sẽ nhận thấy (cơ sở) ở phía trước của các biến dấu nhắc đầu cuối. Điều này có nghĩa là conda hiện đang hoạt động và được cài đặt.
Đừng hủy kích hoạt nó trừ khi bạn cài đặt xong TensorFlow.
Bạn có thể đi đến các bước được đề cập ở trên cho hệ thống Windows và cài đặt nó. Hoặc dán mã bên dưới để cài đặt TensorFlow:
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"Trên Linux, có thể có vấn đề với trình điều khiển GPU. Đối với điều này, bạn nên tham khảo tài liệu NVIDIA để tìm hiểu thêm.
#2. Xây dựng từ nguồn
Giống như Windowsxây dựng từ mã nguồn rất khó trong Linux và chỉ dành cho người dùng nâng cao.
Bạn (giả sử bạn là người mới bắt đầu) không nên chọn phương pháp này trừ khi bạn có ý định cụ thể. Cách tốt nhất để tìm hiểu thêm về điều này là đọc tài liệu.
Làm cách nào để cài đặt TensorFlow với Docker? (Windows và Linux)
Bất kể nền tảng nào, Docker cho phép cài đặt liền mạch các hình ảnh TensorFlow.
Đảm bảo rằng bạn đã cài đặt Docker trên hệ thống của mình hoặc bạn có thể tham khảo hướng dẫn cài đặt Docker của chúng tôi để được trợ giúp.
Sau khi thiết lập hoàn tất, bạn cần nhập lệnh sau từ trong Docker:
docker pull tensorflow/tensorflow
Bạn cần có kiến thức về bộ chứa Docker để thiết lập và chạy bộ chứa của bạn với các cấu hình cần thiết để hoạt động.
Để biết hỗ trợ GPU cụ thể hoặc để tải xuống phiên bản khác của TensorFlow, hãy tham khảo các tùy chọn có sẵn trong tài liệu chính thức.
Đây là giao diện của lệnh khi bạn muốn chạy nó bằng Docker:
docker run [-it] [--rm] [-p hostPort:containerPort] tensorflow/tensorflow[:tag] [command]
Đăng kí
Cài đặt TensorFlow là việc chỉ thực hiện một lần và với hướng dẫn của chúng tôi, đây sẽ là một quy trình không rắc rối đối với hầu hết mọi người.
Nếu bạn đã có các cấu hình hoặc cài đặt trước đó với các phiên bản python cũ hơn hoặc trình quản lý gói conda cũ hơn. Đảm bảo rằng bạn đang áp dụng các bản cập nhật mới nhất để cài đặt TensorFlow một cách liền mạch.
Bạn cũng có thể xem các nền tảng AI tốt nhất để phát triển các ứng dụng AI và ML.
