Comment installer Keras avec TensorFlow Backend sous Linux

Présentation

Keras est une bibliothèque de réseaux de neurones basée sur le langage de programmation Python conçue pour simplifier les applications d'apprentissage automatique. Keras s'exécute sur des frameworks tels que TensorFlow.

Dans ce guide, découvrez comment installer Keras et Tensorflow sur un système Linux.

Prérequis

• Une machine Linux avec accès à une ligne de commande/un terminal
• Un compte utilisateur avec sudo ou racine privilèges
• Le Python 3.5 – 3.8 environnement de développement
• Le Python3-pip gestionnaire de paquets

Comment installer Keras sur Linux

Keras est conçu pour fonctionner avec de nombreux frameworks d'apprentissage automatique différents, tels que TensorFlow, Theano, R, PlaidML et Microsoft Cognitive Toolkit. Cependant, le meilleur framework à utiliser avec Keras est TensorFlow.

Cet article couvrira également l'installation de TensorFlow.

ÉTAPE 1 :Installez et mettez à jour Python3 et Pip

Ignorez cette étape si vous avez déjà Python3 et Pip sur votre machine.

Sinon, ouvrez le terminal et saisissez la commande suivante, selon votre distribution Linux :

CentOS/RedHat :

sudo yum install python3 python3-pip

Tapez y lorsque vous y êtes invité. Laissez l'installation terminer le processus.

Ensuite, exécutez cette commande pour mettre à jour Pip :

sudo pip3 install ––upgrade pip

Ubuntu/Debian :

Le processus pour ces distributions est similaire :

sudo apt install python3 python3.pip

sudo pip3 install ––upgrade pip

ÉTAPE 2 :Mettre à niveau les outils de configuration

Pour mettre à niveau setuptools , saisissez ce qui suit :

pip3 install ––upgrade setuptools

Sans cette étape, vous pouvez recevoir des erreurs concernant certains packages nécessitant un autre setuptools version que celle que vous avez sur votre système.

ÉTAPE 3 :Installez TensorFlow

L'installation de TensorFlow est simple. Utilisez Pip et cette commande pour l'installer : :

pip3 install tensorflow

Laissez le téléchargement et l'installation se terminer.

Vérifiez que l'installation a réussi en vérifiant les informations sur le package logiciel :

pip3 show tensorflow

Le système doit afficher la version de TensorFlow et d'autres données.

Pour une saisie plus courte, utilisez cette commande :

pip list | grep tensorflow

ÉTAPE 4 :Installer Keras

Enfin, installez Keras avec la commande suivante :

pip3 install keras

Le terminal affiche le message de confirmation une fois le processus terminé.

Vérifiez l'installation en affichant les informations du package :

pip3 show keras

ÉTAPE 5 :Installez Keras à partir de Git Clone (facultatif)

Si vous avez Git sur votre système, vous pouvez l'utiliser pour cloner une copie du package logiciel Keras à partir de GitHub.

Pour cloner le package Keras depuis GitHub, saisissez ce qui suit :

git clone https://github.com/keras-team/keras.git

Une fois le téléchargement terminé, passez au /keras répertoire :

cd keras

À partir de là, exécutez le Keras installateur python :

sudo python3 setup.py install

La sortie affiche la confirmation lorsque le processus est terminé :

Keras contre TensorFlow

Keras et TensorFlow sont tous deux des logiciels open source. TensorFlow est une bibliothèque logicielle pour l'apprentissage automatique. Keras s'exécute au-dessus de TensorFlow et étend les capacités du logiciel d'apprentissage automatique de base. Keras rend également la mise en œuvre, les tests et l'utilisation plus conviviaux.

Keras travaille avec TensorFlow pour fournir une interface dans le langage de programmation Python. Cela fonctionne en utilisant des calques et modèles .

Calques

Une couche est une unité de traitement. Il accepte l'entrée, effectue des calculs sur cette entrée, puis génère les informations transformées.

Une couche nécessite les éléments suivants :

• Forme de l'entrée : Définit comment la couche donnera un sens aux informations d'entrée
• Initialisation  :Définit le poids , ou l'importance, de chaque élément d'information.
• Activateur : Transforme les données sous une forme non linéaire.

Modèles

Un modèle est un groupe de calques . Un modèle comprend également des modules de formation et d'inférence - c'est là que l'apprentissage automatique entre en jeu. Chaque modèle a les éléments suivants :

• Entrée : Scripts qui envoient des informations dans le modèle Keras.
• Sorties : Les informations qui sortent après avoir été transformées par le modèle Keras.
• Tapez : Un modèle peut être séquentiel , ce qui signifie qu'il est construit une couche à la fois pour résoudre un problème. Ou, il peut être fonctionnel , où les couches peuvent s'interconnecter de manière complexe et non linéaire.