C'est un bon dossier pour ceux qui n'ont aucune expérience avec Python pour préparer l'environnement d'exécution et l'environnement de codage confortable de TensorFlow, qui est une bibliothèque d'apprentissage automatique publiée par Google. Je voulais également coder Python lui-même confortablement, donc je vais essayer de créer un environnement dans lequel la démo MNIST de TensorFlow peut être exécutée en un clic sur Mac avec Python 3.5.2 + PyCharm, qui est la dernière version au moment de la rédaction de cet article.
Installez d'abord l'outil de gestion des packages Homebrew
console
$ /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
Même s'il est déjà installé, il est recommandé de le mettre à jour au cas où.
console
$ brew update
console
$ xcode-select --install
Python est installé sur le Mac depuis le début, mais la version est de la série 2.x, et à cause du SIP introduit depuis El Capitan, il est inflexible. Je pense qu'il est préférable de mettre la dernière version de Python de pyenv, puis d'utiliser pyenv-virtualenv pour isoler l'environnement.
Veuillez installer l'outil à partir de la commande suivante
console
$ brew install pyenv-virtualenv
Tout d'abord, installez la dernière version de Python (ici la 3.5.2 est installée)
Tapez pyenv install -l pour voir une liste des installations
console
$ pyenv install 3.5.2
$ pyenv rehash
Si vous obtenez une erreur lors de l'installation de pyenv, l'installation de l'outil de ligne de commande Xcode peut aider (deuxième fois).
console
$ xcode-select --install
Afin de rendre l'environnement d'exécution de TensorFlow indépendant, créez un environnement avec un nom basé sur le Python 3.5.2 installé. En faisant cela, vous pouvez réduire les erreurs dues aux conflits entre les plug-ins et n'hésitez pas à essayer différentes versions, ce qui vous rapproche d'un environnement virtuel.
La partie "TensorFlow" ci-dessous est le nom de l'environnement, changez-le en conséquence.
console
$ pyenv virtualenv 3.5.2 TensorFlow
$ pyenv rehash
Utilisez pyenv global pour passer à l'environnement TensorFlow que vous avez créé
console
$ pyenv global TensorFlow
Ensuite, appuyez sur la commande python et cela devrait changer en 3.5.2.
console
$ python -V
Python 3.5.2
Si la référence n'est pas modifiée par la commande python même si elle est correctement commutée dans pyenv comme indiqué ci-dessous,
console
$ pyenv version
TensorFlow (set by /Users/hogehoge/.pyenv/version)
$ python -V
Python 2.7.10
Essayez d'ajouter des paramètres ici (peut-être juste la troisième ligne)
console
$ echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bash_profile
$ echo 'export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bash_profile
$ echo 'eval "$(pyenv init -)"' >> ~/.bash_profile
De plus, après l'installation de TensorFlow, vous pouvez restaurer l'environnement avec les éléments suivants si nécessaire.
console
$ pyenv global system
L'environnement est spécifié par PyCharm, qui sera décrit plus tard, de sorte que la commande python ne doit pas nécessairement être dans l'environnement TensorFlow. Bien sûr, il est nécessaire lors de l'exécution à partir de la commande python.
Ensuite, installez pip, qui est un outil de gestion de plug-ins pour Python. Si vous avez le dernier Python installé, il semble être inclus depuis le début, mais juste au cas où.
console
$ sudo easy_install pip
$ sudo pip install --upgrade pip
À ce stade, nous allons enfin passer à l'installation de TensorFlow.
console
$ pip install --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.9.0-py3-none-any.whl
L'URL d'installation de TensorFlow semble spécifier la version, veuillez donc vérifier la dernière version sur Officiel. Ici, la v0.9 est spécifiée.
Et pour créer un environnement de codage Python confortable, téléchargez PyCharm, un IDE développé par JetBrain Neshin, à partir de ce qui suit. https://www.jetbrains.com/pycharm/download/
Les compléments et les points d'arrêt fonctionnent parfaitement, et Community Edition peut être utilisé gratuitement. Génial!
Après avoir démarré PyCharm, créez un projet de manière appropriée. À ce moment-là, spécifiez «3.5.2 virtualenv at ~ / .pyenv / versions / TensorFlow» dans le menu déroulant Interpréteur de la boîte de dialogue Créer un projet.
Si vous souhaitez modifier l'environnement d'exécution plus tard, vous pouvez également le modifier à partir du menu déroulant de Préférences-> Projet: PROJECT_NAME-> Interpréteur de projet.
La mise en œuvre de la démo MNIST de TensorFlow elle-même provient du Tutoriel officiel et d'autres articles de commentaires. Placez les données (lancer rond) Il était facile de simplement le déplacer pour le moment, j'ai donc suivi la procédure sur le site ↓. http://www.trifields.jp/try-tutorial-mnist-for-ml-beginners-of-tensorflow-1713
Une fois que la source et les données sont prêtes, cliquez sur Exécuter et vous devriez voir le résultat sur la console en bas de l'écran.
Je ne pense pas que quiconque utilise déjà Python, mais si vous êtes comme moi qui est nouveau sur Python parce que vous voulez exécuter TensorFlow, vous pouvez trébucher de différentes manières, donc cela se déroule comme un mémorandum. J'ai résumé.
Je me suis référé à cet article pour la procédure d'installation http://qiita.com/hatapu/items/054dbab03607c47cb84f
Recommended Posts