آموزش نصب TensorFlow در اوبونتو 20.04 Ubuntu - وان سرور آکـادمی
آموزش نصب TensorFlow در اوبونتو 20.04 Ubuntu
آموزش نصب TensorFlow در اوبونتو 20.04 Ubuntu

آموزش نصب TensorFlow در اوبونتو 20.04 Ubuntu

زمان تقریبی مطالعه: 3 دقیقه

آموزش نصب TensorFlow در اوبونتو 20.04 Ubuntu

TensorFlow یک بستر آزاد و منبع باز برای machine learning است که توسط گوگل ساخته شده است که توسط تعدادی از سازمان ها از جمله توییتر ، پی پال ، اینتل ، لنوو و ایرباس استفاده می شود. در این آموزش نحوه نصب TensorFlow در یک محیط مجازی Python در اوبونتو 20.04 Ubuntu توضیح داده شده است.

TensorFlow را می توان در یک سیستم گسترده ، در یک محیط مجازی Python ، به عنوان یک ظرف Docker یا با آناکوندا نصب کرد.

یک محیط مجازی به شما امکان می دهد چندین محیط مختلف جدا شده Python را بر روی یک کامپیوتر واحد داشته باشید و یک نسخه خاص از یک ماژول را بر اساس هر پروژه نصب کنید ، بدون اینکه نگرانی از تأثیر آن بر سایر پروژه های شما داشته باشد.

یک راز بزرگ درمورد 90 % هاستینگ های ایرانی، اورسل کردن بیش از حد است که باعث افت کیفیت سرورها میشود.

وان سرور با ارائه دسترسی های مختلف این امکان را به شما خواهد داد که تمامی منابع سرورتان را مدیریت و بررسی کنید و همچنین با ارائه گارانتی 100% برگشت وجه ریسک خرید شما را به %0 کاهش میدهد.

برای خرید سرور مجازی با گارانتی 100% بازگشت وجه کلیک کنید.

نصب TensorFlow در اوبونتو 20.04 Ubuntu

اوبونتو 20.04 بصورت پیش فرض از پایتون 3.8 استفاده میکند. با تایپ کردن دستور زیر می توانید تأیید کنید که Python 3 روی سیستم شما نصب شده است:

python3 -V

خروجی باید به این شکل باشد:

Python 3.8.2

روش پیشنهادی برای ایجاد یک محیط مجازی، استفاده از ماژول venv است که در بستهpython3-venv گنجانده شده است.

برای نصب بسته python3-venv دستور زیر را اجرا کنید:

sudo apt install python3-venv python3-dev

پس از نصب ماژول ، شما آماده ایجاد یک محیط مجازی برای پروژه TensorFlow هستید.

به دایرکتوری مورد نظر بروید و محیط مجازی Python 3 خود را ذخیره کنید. این می تواند دایرکتوری خانه شما یا هر دایرکتوری دیگری باشد که کاربر شما مجوزهای خواندن و نوشتن آنها را دارد.

یک دایرکتوری جدید برای پروژه TensorFlow ایجاد کنید و به آن بروید:

mkdir my_tensorflow
cd my_tensorflow

در داخل دایرکتوری، دستور زیر را برای ایجاد محیط مجازی اجرا کنید:

python3 -m venv venv

venvدوم نام محیط مجازی است. می توانید از هر نامی که می خواهید برای محیط مجازی استفاده کنید.

دستور فوق یک دایرکتوری به نام venv ایجاد می کند که شامل یک نسخه از باینری پایتون ، مدیر بسته Pip ، کتابخانه استاندارد Python و سایر فایلهای پشتیبانی می باشد.

در ادامه …

برای شروع استفاده از محیط مجازی ، با اجرای activateاسکریپت آن را فعال کنید :

source venv/bin/activate

پس از فعال سازی ، در ابتدای متغیر سیستم $PATH، دایرکتوری محیط مجازی bin اضافه می شود . همچنین ، اعلان پوسته تغییر می کند و نام محیط مجازی را که در حال حاضر در آن قرار دارید نشان می دهد. در این مثال ، یعنی(venv).

برای نصب TensorFlow به pipنسخه 19 یا بالاتر نیاز دارد . برای ارتقاء pipبه آخرین نسخه ، دستور زیر را وارد کنید :

pip install --upgrade pip

اکنون که محیط مجازی فعال شده است ، وقت آن است که بسته TensorFlow را نصب کنید.

pip install --upgrade tensorflow

اگر یک پردازنده گرافیکی اختصاصی NVIDIA دارید و می خواهید از قدرت پردازش آن استفاده کنید ، به جای tensorflow از بستهtensorflow-gpuاستفاده کنید ، که شامل پشتیبانی از GPU است.

در محیط مجازی می توانید از دستور pipبه جای pip3و pythonبه جای آن استفاده کنید python3.

شما TensorFlow با موفقیت نصب کرده اید ، و می توانید شروع به استفاده از آن کنید.

برای تأیید نصب ، دستور زیر را اجرا کنید ، که نسخه TensorFlow را چاپ می کند:

python -c 'import tensorflow as tf; print(tf.__version__)'

در زمان نوشتن این مقاله ، آخرین نسخه پایدار TensorFlow 2.2.0 است:

2.2.0

نسخه TensorFlow شما ممکن است با نسخه نشان داده شده در اینجا متفاوت باشد.

اگر تازه با TensorFlow آشنا شده اید، از صفحه شروع کار با TensorFlow بازدید کنید و نحوه ساخت اولین برنامه ML خود را بیاموزید. شما همچنین می توانید TensorFlow Models یا TensorFlow-Examples از مخازن گیتهاب کلون کنید.

پس از اتمام کار خود ، محیط را با تایپ کردن deactivate غیرفعال کنید و به پوسته معمولی خود باز خواهید گشت.

deactivate

نتیجه گیری

ما به شما نشان داده ایم كه چگونه TensorFlow را در یك محیط مجازی در Ubuntu 20.04 نصب كنید.

لطفا جهت بهبهود کیفیت آموزش های ارسالی، نظرات خود را از طریق کامنت و درج ستاره ارسال کنید

5/5 - (21 امتیاز)