© Liashko/Shutterstock.com
Entwickler Magazin
Kickstart Deep Learning mit TensorFlow und Keras

Schnell und einfach ins Deep Learning einsteigen

Wie steigt man ohne Overhead und Umwege ins Deep Learning ein? Mit diesem Kickstart-Guide, der zeigt, wie man mit Python und dem Paket Keras ganz schnell ein Beispiel zum Laufen bekommt.

Andreas Bühlmeier


In diesem Tutorial wollen wir in die Praxis des maschinellen Lernens einsteigen. Es geht dabei nicht darum, diverse Optionen zu berücksichtigen und Optimierungen durchzuführen, sondern darum, schnell zu starten und dann etwas in den Background einzutauchen.

Kickstart Schritt 1: TensorFlow

Das High-Level-API Keras ist eine populäre Möglichkeit, Deep Learning Neural Networks mit Python zu implementieren. Dafür benötigen wir TensorFlow. Da TensorFlow momentan nicht mit Python 3.7 funktioniert, muss sichergestellt werden, dass Python 3.5 oder 3.6 installiert ist. Wichtig ist auch, die 64-Bit-Version von Python zu wählen. Wenn nicht die richtige Installation vorliegt, bekommt man eine Meldung wie die folgende:

'Could not find a version that satisfies the requirement tensorflow'

Sind alle Voraussetzungen erfüllt, kann man TensorFlow mit pip3 install --upgrade tensorflow installieren. Anschließend sollte man eine Darstellung wie in Abbildung 1 sehen, wobei der Pfad C:\Python36 bei der Installation manuell gesetzt wurde, also nicht das Defaultsetting ist. Auf Windows 10 in der PowersShell als Administrator sieht das wie in Abbildung 2 aus.

Abb. 1: Installation von TensorFlow auf Windows 7

Abb. 2: Installation von TensorFlow auf Windows 10

Welche Packages nachgeladen werden müssen, hängt davon ab, was bereits installiert wurde. Ich hatte beispielsweise schon einiges geladen, als ich mit der Textklassifizierung [1] experimentiert habe. Um die Installation zu überprüfen, kann man das folgende Skript [2] laufen lassen:

import tensorflow as tfhello = tf.constant('Hello, TensorFlow!')sess = tf.Session()print(sess.run(hello))

Möglicherweise wird dann folgende Meldung ausgegeben:

Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX

Das bedeutet, dass man nicht alle Leistungsmerkmale der CPU nutzt (dazu müsste man neu kompilieren). Um weiterzukommen, ignorieren wir das aber.

Beispiele für eine Anwendung auf GitHub

Den Quelltext von GitHub [3] kopieren wir einfach in die IDE PyCharm [4]. Dazu kann man die kostenlose Communityedition verwenden. Die Datei iris_data.py [5], mit der wir jetzt eine Klassifikation von Schwertlilien (Iris) durchführen, benötigt noch das Paket pandas, das man über die Konsole installiert: pip3 install --upgrade pandas.

Hinweis: Die IDE verlangte nach der Installation noch einmal die Pakete. Das benötigte aber nur einen Klick und wenige Sekunden Wartezeit. Danach ist alles bereit, um premade_estimator.py zu starten, das auf...

Entwickler Magazin
Kickstart Deep Learning mit TensorFlow und Keras

Schnell und einfach ins Deep Learning einsteigen

Wie steigt man ohne Overhead und Umwege ins Deep Learning ein? Mit diesem Kickstart-Guide, der zeigt, wie man mit Python und dem Paket Keras ganz schnell ein Beispiel zum Laufen bekommt.

Andreas Bühlmeier


In diesem Tutorial wollen wir in die Praxis des maschinellen Lernens einsteigen. Es geht dabei nicht darum, diverse Optionen zu berücksichtigen und Optimierungen durchzuführen, sondern darum, schnell zu starten und dann etwas in den Background einzutauchen.

Kickstart Schritt 1: TensorFlow

Das High-Level-API Keras ist eine populäre Möglichkeit, Deep Learning Neural Networks mit Python zu implementieren. Dafür benötigen wir TensorFlow. Da TensorFlow momentan nicht mit Python 3.7 funktioniert, muss sichergestellt werden, dass Python 3.5 oder 3.6 installiert ist. Wichtig ist auch, die 64-Bit-Version von Python zu wählen. Wenn nicht die richtige Installation vorliegt, bekommt man eine Meldung wie die folgende:

'Could not find a version that satisfies the requirement tensorflow'

Sind alle Voraussetzungen erfüllt, kann man TensorFlow mit pip3 install --upgrade tensorflow installieren. Anschließend sollte man eine Darstellung wie in Abbildung 1 sehen, wobei der Pfad C:\Python36 bei der Installation manuell gesetzt wurde, also nicht das Defaultsetting ist. Auf Windows 10 in der PowersShell als Administrator sieht das wie in Abbildung 2 aus.

Abb. 1: Installation von TensorFlow auf Windows 7

Abb. 2: Installation von TensorFlow auf Windows 10

Welche Packages nachgeladen werden müssen, hängt davon ab, was bereits installiert wurde. Ich hatte beispielsweise schon einiges geladen, als ich mit der Textklassifizierung [1] experimentiert habe. Um die Installation zu überprüfen, kann man das folgende Skript [2] laufen lassen:

import tensorflow as tfhello = tf.constant('Hello, TensorFlow!')sess = tf.Session()print(sess.run(hello))

Möglicherweise wird dann folgende Meldung ausgegeben:

Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX

Das bedeutet, dass man nicht alle Leistungsmerkmale der CPU nutzt (dazu müsste man neu kompilieren). Um weiterzukommen, ignorieren wir das aber.

Beispiele für eine Anwendung auf GitHub

Den Quelltext von GitHub [3] kopieren wir einfach in die IDE PyCharm [4]. Dazu kann man die kostenlose Communityedition verwenden. Die Datei iris_data.py [5], mit der wir jetzt eine Klassifikation von Schwertlilien (Iris) durchführen, benötigt noch das Paket pandas, das man über die Konsole installiert: pip3 install --upgrade pandas.

Hinweis: Die IDE verlangte nach der Installation noch einmal die Pakete. Das benötigte aber nur einen Klick und wenige Sekunden Wartezeit. Danach ist alles bereit, um premade_estimator.py zu starten, das auf...

Neugierig geworden?


   
Loading...

Angebote für Teams

Für Firmen haben wir individuelle Teamlizenzen. Wir erstellen Ihnen gerne ein passendes Angebot.

Das Library-Modell:
IP-Zugang

Das Company-Modell:
Domain-Zugang