Learn how to use Google's Deep Learning Framework - TensorFlow with Python!
Đây là một bản phân phối lớn bao gồm rất nhiều gói Python và công cụ hữu ích cho khoa học dữ liệu. Miniconda là phiên bản nhỏ gọn của Anaconda, chỉ bao gồm conda và Python.
- Bước 1: Tải xuống Miniconda Mở Terminal và tải xuống script cài đặt Miniconda:
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
- Bước 2: Chạy script cài đặt Sau khi tải xuống, chạy script cài đặt:
Miniconda3-latest-Linux-x86_64.sh
-
Bước 3: Làm theo hướng dẫn cài đặt Trong quá trình cài đặt, bạn sẽ cần phải: Đọc và đồng ý với các điều khoản cài đặt. Xác định đường dẫn cài đặt (mặc định là ~/miniconda3). Chọn có hay không thêm Miniconda vào biến môi trường PATH. Chọn yes để tự động thêm vào PATH.
-
Bước 4: Làm mới tệp cấu hình Nếu bạn đã chọn thêm Miniconda vào PATH trong quá trình cài đặt, chạy lệnh sau để làm mới tệp cấu hình:
source ~/.bashrc
- Bước 5: Kiểm tra cài đặt Kiểm tra xem conda đã được cài đặt thành công hay chưa:
conda --version
Nếu lệnh này trả về phiên bản conda, nghĩa là cài đặt đã thành công.
Anaconda là phiên bản đầy đủ, bao gồm nhiều gói và công cụ liên quan đến khoa học dữ liệu.
- Bước 1: Tải xuống Anaconda Mở Terminal và tải xuống script cài đặt Anaconda:
wget https://repo.anaconda.com/archive/Anaconda3-latest-Linux-x86_64.sh
Hoặc
wget https://repo.anaconda.com/archive/Anaconda3-4.4.0-Linux-x86_64.sh
- Bước 2: Chạy script cài đặt Sau khi tải xuống, chạy script cài đặt:
bash Anaconda3-4.4.0-Linux-x86_64.sh
-
Bước 3: Làm theo hướng dẫn cài đặt Trong quá trình cài đặt, bạn sẽ cần phải: Đọc và đồng ý với các điều khoản cài đặt. Xác định đường dẫn cài đặt (mặc định là ~/miniconda3). Chọn có hay không thêm Miniconda vào biến môi trường PATH. Chọn yes để tự động thêm vào PATH.
-
Bước 4: Làm mới tệp cấu hình thêm đường dẫn đến Anaconda vào biến PATH:
export PATH=~/anaconda3/bin:$PATH
Nếu đã thêm Anaconda vào PATH, làm mới tệp cấu hình với lệnh:
source ~/.bashrc
Lệnh source ~/.bashrc có tác dụng nạp lại các thay đổi trong tệp cấu hình ~/.bashrc vào phiên làm việc hiện tại của shell (terminal).
- Bước 5: Kiểm tra cài đặt Kiểm tra xem conda đã được cài đặt thành công hay chưa:
conda --version
- Step 1: At the command line run:
conda create -n tfdeeplearning python=3.12
Note*: Hiện tại thời điểm viết bài 31/08/2024 Tensorflow chỉ hỗ trợ python=3.6 trở lên conda create -n tfdeeplearning: Lệnh này yêu cầu conda tạo một môi trường ảo mới với tên là tfdeeplearning. Môi trường ảo là một cách để cách ly các gói và phiên bản phần mềm mà bạn cài đặt, giúp tránh xung đột với các gói trong các môi trường khác hoặc hệ thống chính. python=3.5: Cài đặt phiên bản Python 3.5 trong môi trường mới. Điều này cho phép bạn sử dụng Python 3.5 mà không ảnh hưởng đến phiên bản Python chính hoặc các môi trường khác.
- Step 3: Sau khi tạo môi trường ảo tfdeeplearning với Python 3.5, bạn cần kích hoạt môi trường đó và cài đặt các gói cần thiết (như TensorFlow) trong môi trường này. Dưới đây là các bước cụ thể để sử dụng môi trường tfdeeplearning:
conda activate tfdeeplearning
- Step 2: Install the libraries as you need them (there are only 6 you need to do). At the command line (with you environment activated) run the following:
conda install jupyter &&
conda install numpy &&
conda install pandas &&
conda install scikit-learn &&
conda install matplotlib &&
pip install --upgrade tensorflow
Hoặc Nếu gặp lỗi SSL: CERTIFICATE_VERIFY_FAILED, Bạn có thể bỏ qua xác thực SSL bằng cách sử dụng tùy chọn --trusted-****
python3 -m pip install --trusted-host pypi.org --trusted-host pypi.python.org --trusted-host files.pythonhosted.org tensorflow
Đầu tiên, bạn kiểm tra GPU của mình có hỗ trợ CUDA không bằng lệnh: nvidia-smi. Cài đặt CUDA:
sudo apt-get update &&
sudo apt-get install nvidia-cuda-toolkit Cài đặt cuDNN: Tải cuDNN từ trang web NVIDIA: cuDNN
Giải nén và cài đặttar -xzvf cudnn-X.X-linux-x64-vX.X.tgz &&
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include &&
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 &&
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* &&
Tạo môi trường mới với TensorFlow GPU
conda create -n tf_gpu python=3.12
conda activate tf_gpu
pip install tensorflow-gpu \
Lệnh conda env create -f được sử dụng để tạo một môi trường conda mới từ một tệp cấu hình môi trường (thường có tên là environment.yml). Tệp này chứa danh sách các gói và các phiên bản của chúng mà bạn muốn cài đặt trong môi trường mới.
conda env create -f <tên-tệp.yml>
<tên-tệp.yml>: Đây là đường dẫn đến tệp cấu hình môi trường YAML (thường là environment.yml). Nếu bạn chỉ sử dụng lệnh conda env create -f mà không cung cấp tên tệp, mặc định sẽ tìm tệp có tên là environment.yml trong thư mục hiện tại. ví dụ:
conda env create -f tfdl_env.yml
conda activate tfdeeplearning
Để xuất môi trường conda Python để sau này có thể cài đặt lại nhanh chóng, bạn có thể sử dụng lệnh
conda env export --name myenv > environment.yml\
Addditional To change the default python command to point to Python 3 instead of Python 2, you can follow different methods depending on your operating system. Below are instructions for common operating systems:
Check Python Versions: Verify the installation locations of Python 3 and Python 2:\
which python
which python3\
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 1
sudo update-alternatives --config python \