Dies ist eine gute Aufzeichnung für diejenigen, die Python noch nicht kennen, um die Ausführungsumgebung und die komfortable Codierungsumgebung von TensorFlow vorzubereiten, einer von Google veröffentlichten Bibliothek für maschinelles Lernen. Ich wollte auch Python selbst bequem codieren, daher werde ich versuchen, eine Umgebung zu erstellen, in der die MNIST-Demo von TensorFlow mit einem Klick auf einem Mac mit Python 3.5.2 + PyCharm ausgeführt werden kann. Dies ist die neueste Version zum Zeitpunkt des Schreibens dieses Artikels.
Installieren Sie zuerst das Paketverwaltungstool Homebrew.
console
$ /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
Auch wenn es bereits installiert ist, wird empfohlen, es für alle Fälle zu aktualisieren.
console
$ brew update
console
$ xcode-select --install
Python ist von Anfang an auf dem Mac installiert, aber die Version ist die 2.x-Serie und aufgrund des von El Capitan eingeführten SIP unflexibel. Ich denke, es ist besser, die neueste Version von Python von pyenv zu verwenden und dann pyenv-virtualenv zu verwenden, um die Umgebung zu isolieren.
Bitte installieren Sie das Tool über den folgenden Befehl
console
$ brew install pyenv-virtualenv
Installieren Sie zuerst die neueste Version von Python (hier ist 3.5.2 installiert).
Geben Sie pyenv install -l ein, um eine Liste der Installationen anzuzeigen
console
$ pyenv install 3.5.2
$ pyenv rehash
Wenn bei der Installation von pyenv ein Fehler auftritt, kann die Installation des Xcode-Befehlszeilentools hilfreich sein (zum zweiten Mal).
console
$ xcode-select --install
Um die Ausführungsumgebung von TensorFlow unabhängig zu machen, erstellen Sie eine Umgebung mit einem Namen, der auf dem installierten Python 3.5.2 basiert. Auf diese Weise können Sie Fehler aufgrund von Konflikten zwischen Plug-Ins reduzieren und verschiedene Versionen ausprobieren, um sie einer virtuellen Umgebung näher zu bringen.
Der unten stehende Teil "TensorFlow" ist der Name der Umgebung. Ändern Sie ihn daher entsprechend.
console
$ pyenv virtualenv 3.5.2 TensorFlow
$ pyenv rehash
Verwenden Sie "pyenv global", um zur von Ihnen erstellten TensorFlow-Umgebung zu wechseln
console
$ pyenv global TensorFlow
Drücken Sie dann den Python-Befehl und es sollte sich auf 3.5.2 ändern.
console
$ python -V
Python 3.5.2
Wenn es in pyenv wie unten gezeigt richtig geschaltet ist, aber die Referenz durch den Python-Befehl nicht geändert wird, ...
console
$ pyenv version
TensorFlow (set by /Users/hogehoge/.pyenv/version)
$ python -V
Python 2.7.10
Versuchen Sie hier Einstellungen hinzuzufügen (vielleicht nur die dritte Zeile)
console
$ echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bash_profile
$ echo 'export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bash_profile
$ echo 'eval "$(pyenv init -)"' >> ~/.bash_profile
Nach der Installation von TensorFlow können Sie die Umgebung bei Bedarf wie folgt wiederherstellen.
console
$ pyenv global system
Die Umgebung wird von PyCharm angegeben, das später beschrieben wird, sodass sich der Python-Befehl nicht unbedingt in der TensorFlow-Umgebung befinden muss. Natürlich ist es notwendig, wenn Sie den Python-Befehl ausführen.
Installieren Sie als Nächstes pip, ein Plug-In-Verwaltungstool für Python. Wenn Sie das neueste Python installiert haben, scheint es von Anfang an enthalten zu sein, aber nur für den Fall.
console
$ sudo easy_install pip
$ sudo pip install --upgrade pip
An dieser Stelle werden wir endlich mit der Installation von TensorFlow fortfahren.
console
$ pip install --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.9.0-py3-none-any.whl
Die Installations-URL von TensorFlow scheint die Version anzugeben. Überprüfen Sie daher die neueste Version von Official. Hier wird v0.9 angegeben.
Laden Sie PyCharm, eine von JetBrain Neshin entwickelte IDE, aus dem Folgenden herunter, um eine komfortable Python-Codierungsumgebung zu erstellen. https://www.jetbrains.com/pycharm/download/
Ergänzungen und Haltepunkte funktionieren einwandfrei und die Community Edition kann kostenlos verwendet werden. Toll!
Erstellen Sie nach dem Starten von PyCharm ein entsprechendes Projekt. Geben Sie zu diesem Zeitpunkt im Pulldown-Menü "Interpreter" im Dialogfeld "Projekt erstellen" "3.5.2 virtualenv at ~ / .pyenv / version / TensorFlow" an.
Wenn Sie die Ausführungsumgebung später ändern möchten, können Sie sie auch über das Pulldown-Menü Einstellungen-> Projekt: PROJECT_NAME-> Projektinterpreter ändern.
Die Implementierung der MNIST-Demo von TensorFlow selbst stammt aus dem Official Tutorial und anderen Kommentaren. Platzieren Sie die Daten (Rundwurf) Es war vorerst einfach, es zu verschieben, daher habe ich das Verfahren auf der ↓ -Seite befolgt. http://www.trifields.jp/try-tutorial-mnist-for-ml-beginners-of-tensorflow-1713
Sobald die Quelle und die Daten fertig sind, klicken Sie auf Ausführen. Das Ergebnis sollte auf der Konsole am unteren Bildschirmrand angezeigt werden.
Ich glaube nicht, dass jemand Python bereits verwendet, aber wenn Sie wie ich sind, der neu in Python ist, weil Sie TensorFlow ausführen möchten, können Sie auf verschiedene Arten stolpern, sodass es als Memorandum fließt. Ich fasste zusammen.
Ich habe mich für den Installationsvorgang auf diesen Artikel bezogen http://qiita.com/hatapu/items/054dbab03607c47cb84f
Recommended Posts