Copper Spirit Derleyin ve düzenleyin
Qubit Üretildi | Genel Hesap QbitAI
Son zamanlarda, TensorFlow 2.0'ın önizleme sürümü kısa bir süre sonra yayınlandı, hayır, burada başka bir yüksek kaliteli eğitim var.
Yakın zamanda, Youtube video sınıflandırmasının eski ürün yöneticisi ve ScikitLearn ve TensorFlow ile Hands-On MachineLearning'in yazarı olan Aurélien Geron
Derin öğrenme görevleri için tf.keras ve TensorFlow2.0 kullanan bir Jupyter öğreticisi yayınlandı.
Eğitim yayınlanır yayınlanmaz, onu beğenen ve ileten birkaç netizen yoktu ve birçok netizen, öğreticinin özlü olduğunu ve "gerçekten harika" odaklandığını söyledi!
Eğitim başlar-
Git'i daha önce kurmadıysanız, önce kurulumu başlatın ve depoyu kopyalamak için aşağıdaki komutu girin.
Python'a aşina iseniz ve Python kitaplığını nasıl kuracağınızı biliyorsanız, NumPy, Matplotlib, Jupyter ve TensorFlow'u kurmaya devam edin.Ayrıntıları gereksinimler.txt dosyasında görüntüleyebilir ve ardından Jupyter Başlangıcı bölümüne geçebilirsiniz.
İlgili adres:
https://github.com/ageron/tf2_course#starting-jupyter
Birçok kişi 2.0'ın önizleme sürümünü ve hatta bazıları 3.0 sürümünü yüklemiş olabilir, bu nedenle hangisine sahip olduğunuzu belirlemek için önce Python sürümünüzü kontrol edin:
Bu eğitici Python 3.5 veya Python 3.6 gerektirir. TensorFlow şu anda Python 3.7'yi desteklemiyor. Bu kodu Python 2'de küçük bir ayarlamadan sonra çalıştırabilirsiniz, ancak yine de Python 3'e yükseltmeniz önerilir.
Şu anda ilk seçenek sistemden sisteme değişmektedir.Windows veya MacOSX üzerinde resmi web sitesinden indirilebilir ve MacPorts veya Homebrew da MacOSX üzerinde kullanılabilir. Linux, sistem paketleme kullanmalıdır.
Resmi web sitesi adresi:
https://www.python.org/downloads/
Örneğin, Debian veya Ubuntu yazın:
İkinci seçenek, Python ve birçok kitaplığı içeren Anaconda'yı indirip kurmaktır.
İkinci Anaconda'yı seçtiyseniz, artık bu eğiticiye adanmış bağımsız bir Python ortamı oluşturabilirsiniz:
Yeni Python 3.6 ortamı tf2course çıktıktan sonra onu etkinleştirin. Ayrıca yüklemeye devam etmemiz gerekiyor:
Bu adım, TensorFlow 2'yi tf2course ortamına kurmak içindir.Bu ortam önceki adımda oluşturulmamışsa, -n tf2course seçeneğini silmeniz gerekir.
Şimdi hazırlık aşaması bitti ve şimdi Başlangıç Jupyter'in okul otobüsüne gireceğiz.
Önceki adımda Anaconda'yı kullanmadıysanız, bu kurs için gerekli olan birkaç bilimsel Python kütüphanesini kurmanız gerekir: NumPy, Jupyter, Matplotlib ve TensorFlow.
Bu nedenle, Python'un entegre paketleme sistemi pip'ini ödünç alabilir veya sistemin kendi paketleme sistemini kullanmayı tercih edebilirsiniz. Sistem paketleme sistemini kullanmanın avantajı da açıktır, yani kitaplık sürümü ile sistemdeki diğer yazılım paketleri arasında daha az çatışma riski vardır.
Pip'in avantajı, farklı kitaplıklar ve farklı kitaplık sürümleri içeren birden çok Python ortamının kolayca oluşturulabilmesi ve her ortamın birbirinden izole edilmesidir.
Gerekli kitaplıkları pip ile kurmak istiyorsanız, bu talimatları deneyin.
Önce pip'in en son sürümünün kurulu olduğundan emin olun:
Daha sonra, gelecekte farklı görevleri kolaylaştırmak için her proje için farklı bir ortam sağlayabilecek bir izolasyon ortamı oluşturmanız gerekir:
Bu, sistem, python 3 kullanılarak izole edilmiş ayrı bir ortam da dahil olmak üzere geçerli dizini çağırmak için otomatik olarak bir env modülü oluşturacaktır. Sisteminize Python 3'ün birden çok sürümünü kurduysanız, kullanmak istediğiniz yürütülebilir dosya yolu ile hangi python3'ü değiştirebilirsiniz.
Ortamın her aktivasyonundan önce şu komutu çalıştırmanız gerekir:
Daha sonra gerekli Python kurulum paketini kurmak için pip kullanın:
Bu kadar! Sadece Jupyter'i başlatmanız gerekiyor.
Jupyter'i açın ve aşağıdaki kodu girin:
Şimdi tarayıcınızı açın ve Jupyter'in ağaç görünümünü görebilirsiniz.Eğer tarayıcı otomatik olarak açılmazsa, önce localhost: 8888'e geçmeniz gerekir.
localhost: 8888 adresi:
http: // localhost: 8888 / ağaç
Ardından Jupyter not defterini açmak için * .ipynb öğesine tıklayın. TensorFlow 2'de iyi eğlenceler dilerim!
Yazar, TensorFlow sürüm 2.0 henüz resmi olarak yayınlanmadığı için, önizleme sürümü ile son sürüm arasında bazı farklılıklar olabileceğini hatırlatıyor. Lütfen resmi sürümden sonra buna dikkat edin.
GitHub öğreticisi:
https://github.com/ageron/tf2_course
- Bitiş -
Samimi işe alım
Qubit, editörleri / muhabirleri işe alıyor ve merkezi Pekin, Zhongguancun'da bulunuyor. Yetenekli ve hevesli öğrencilerin bize katılmasını dört gözle bekliyoruz! Ayrıntılar için, lütfen QbitAI diyalog arayüzünde "işe alım" kelimesiyle yanıt verin.
Qubit QbitAI · Toutiao İmzalayan Yazar
' ' Yapay zeka teknolojisi ve ürünlerindeki yeni eğilimleri takip edin