TensorFlow는 기계 학습 및 AI(인공 지능)를 위해 Google에서 개발한 오픈 소스 플랫폼입니다. 해당 분야에서 일하는 개발자의 다양한 작업에 도움이 됩니다.
우선 TensorFlow를 사용하기 전에 기계 학습 또는 특히 딥 러닝에 대한 이해가 필요합니다.
여기서는 TensorFlow, 그 기능, Windows 및 Linux에 설치하는 빠른 방법에 대한 몇 가지 사항을 강조하겠습니다.
목차
텐서플로우 개요
기술적으로 TensorFlow는 딥 러닝 애플리케이션 및 기타 머신 러닝 사용 사례를 지원하는 오픈 소스 플랫폼입니다.
ML 기반 애플리케이션을 쉽게 구축하고 배포할 수 있습니다. 기계 학습을 사용하여 문제를 해결하려는 경우 TensorFlow에 대한 도움을 받을 수 있습니다.
TensorFlow는 Python 또는 JavaScript를 사용하여 모델을 개발하고 교육하는 데 도움이 되는 도구를 제공합니다. 저는 개발자가 아니지만 문서를 탐색하여 기계 학습 애플리케이션 배포 워크플로에 어떤 영향을 미치는지 알 수 있습니다.
TensorFlow의 기능
TensorFlow는 여러 가지 이유로 유명하며 최고의 기능 제공을 알고 있으므로 직접 평가할 수 있습니다.
우리가 기술적 이점에 대해 논의하게 된다면 당신은 당신이 하는 일과 그것들을 비교해야 할 것입니다. 따라서 우리는 대부분의 사람들에게 유익한 공통 기능에 중점을 둘 것입니다.
1. 오픈 소스
Google은 커뮤니티에서 TensorFlow를 더욱 개선하고 작동 방식에 대한 투명성을 제공할 수 있도록 2015년에 TensorFlow를 공개하기로 결정했습니다.
개발자는 예상하지 못한 문제를 해결하기 위해 다양한 방법으로 라이브러리를 사용자 정의할 수 있습니다.
오픈 소스 프레임워크가 없었다면 그만큼 인기가 없었을 것입니다. 따라서
2. 쉬운 디버깅
TensorFlow는 손쉬운 모델 구축을 돕는 것을 목표로 합니다. 따라서 손쉬운 디버깅 경험은 해당 프로세스의 일부입니다.
직관적인 사용자 경험은 그 위에 체리입니다.
3. CPU와 GPU 모두 지원
TensorFlow를 사용하면 CPU 또는 GPU에서 데이터 계산을 훈련할 수 있습니다. 일반적으로 GPU는 CPU에 비해 딥 러닝 애플리케이션의 작업을 더 빠르게 만듭니다.
따라서 무기고에 강력한 GPU가 있다면 TensorFlow가 이를 최대한 활용하는 데 도움을 줄 수 있습니다.
4. 유용한 머신러닝 API
API는 개발자가 다양한 기능을 애플리케이션에 통합하는 데 도움이 됩니다. 그리고 TensorFlow는 안정적인 API 모음에 대한 액세스를 제공합니다.
그들 중 일부는 성능상의 이점도 제공할 수 있습니다. 공식 주장에 따르면 Python에서 사용할 수 있는 항목에는 문제가 없어야 합니다. 다른 언어로 작업하는 경우 TensorFlow 유지 관리자에게 해당 언어가 사용 사례에 얼마나 적합한지 확인해야 합니다.
5. 생산을 위한 기성품 모델
TensorFlow는 다양한 사전 훈련된 모델을 제공합니다. 전문가든 초보자든 이를 사용하여 시간을 절약하고 ML 모델을 더 빠르게 구축할 수 있습니다.
이러한 기능 외에도 기계 학습 개발 워크플로를 지원할 수 있는 유연성, 사용 편의성, 시각화 도구 키트 등을 얻을 수 있습니다.
이제 TensorFlow에 대한 좋은 아이디어를 얻었으니 어디에서 다운로드할 수 있습니까? Windows 및 Linux 시스템에 설치하고 설정하는 방법은 무엇입니까?
아래에서 논의해 보겠습니다.
TensorFlow 다운로드 및 설치
여기에서는 다른 프로그램과 달리 .exe 설치 파일을 받지 않습니다. 기본적으로 권장 패키지 관리자를 사용하여 패키지를 다운로드해야 합니다.
전반적으로 다양한 설치 방법이 있습니다. 다음과 같이 나열할 수 있습니다.
- Miniconda와 pip 사용
- WSL 2에서 Miniconda 및 pip 사용
- 도커 컨테이너 사용
- 소스에서 빌드
Windows에 TensorFlow를 설치하는 방법은 무엇입니까?
여기에서는 다른 프로그램과 달리 .exe 설치 파일을 받지 않습니다. 권장 패키지 관리자를 사용하여 패키지를 다운로드해야 합니다.
#1. Miniconda 및 pip 사용(권장 방법)
참고: 이 글을 쓰는 시점에서 TensorFlow 2.10은 Windows에서 GPU를 기본적으로 지원하는 마지막 버전입니다. 최신 패키지로 작업하는 경우 TensorFlow는 WSL 2에 TensorFlow를 설치할 것을 권장합니다. 이에 대해서는 다음에 설명합니다.
GPU 지원과 함께 TensorFlow를 사용하려는 경우 TensorFlow는 Miniconda(conda 패키지 관리자용 설치 프로그램)를 사용하여 작업을 시작할 것을 권장합니다.
Miniconda를 사용하면 시스템의 다른 소프트웨어와 충돌을 피하기 위해 별도의 환경을 만들 수 있습니다.
시작하려면 최신 Miniconda Windows Installer를 다운로드하고 화면의 지시에 따라 설치를 완료해야 합니다.
완료되면 스크린샷과 같이 Miniconda 프롬프트를 시작해야 합니다.
다음과 같이 보입니다.
Anaconda 프롬프트 창이 표시되면 다음 명령을 입력하여 conda 패키지 관리자가 업데이트되었는지 확인할 수 있습니다.
<strong>conda update -n base -c defaults conda</strong>
다음은 TensorFlow를 설치하기 위해 따라야 하는 단계입니다.
먼저 새 환경을 생성하려면(이름이 tf인):
<strong>conda create --name tf python=3.9 </strong>
팁: conda activate tf 및 conda deactivate 명령을 사용하여 활성화/비활성화할 수 있습니다.
계속 진행하려면 활성화해야 합니다. 프로세스에서 GPU 지원을 활성화하려면 그래픽 드라이버(NVIDIA GPU)가 설치되어 있는지 확인한 후 다음 명령을 사용하여 몇 가지 패키지를 설치해야 합니다.
<strong>conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0</strong>
GPU 및 심층 신경망으로 기계 학습 애플리케이션을 배포할 수 있는 도구가 포함된 약 1Gig의 패키지를 다운로드합니다.
마지막으로, TensorFlow 패키지를 설치하려면 pip 패키지 관리자를 사용해야 합니다. Conda를 사용하여 Tensorflow를 설치하도록 선택할 수 있지만 필요한 최신 안정 버전이 없을 수 있습니다.
계속하기 전에 다음 명령을 사용하여 pip가 업데이트되었는지 확인하십시오.
pip install --upgrade pip
완료되면 다음을 사용하여 TensorFlow를 설치합니다.
<strong>pip install tensorflow</strong>
수많은 패키지가 빌드/설치되고 있음을 알 수 있습니다. 프로세스에서 멈춘 것처럼 보일 수 있지만 잠시만 기다리면 다시 시작되어 설치가 완료됩니다.
#2. WSL 2에서 Conda 및 pip 사용
시스템에 이미 WSL 2 설정이 있다고 가정하면 배포 터미널에서 다음 명령을 사용하여 TensorFlow를 설치할 수 있습니다.
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
한 번에 모두 붙여넣을 수 있으며, 하나씩 처리됩니다.
Windows에 WSL 2를 설치하지 않은 경우. 관리자 액세스 권한으로 명령 프롬프트로 이동한 후 다음을 입력합니다.
wsl.exe --install
Ubuntu를 다운로드하고 시스템에 대한 WSL 기능을 활성화해야 합니다. 완료하려면 PC를 재부팅해야 합니다.
시스템에서 Ubuntu를 찾을 수 없는 경우 Microsoft Store로 이동하여 Ubuntu WSL을 설치할 수 있습니다.
#삼. 소스에서 빌드
TensorFlow는 오픈 소스이므로 구성 옵션을 사용하여 처음부터 구축할 수 있습니다.
따라서 모든 옵션을 알고 있고 구성할 너트와 볼트를 알고 있는 고급 사용자에게 권장됩니다. 자세한 내용은 공식 문서를 참조하십시오.
Linux에 TensorFlow를 설치하는 방법은 무엇입니까?
Windows와 마찬가지로 Linux에서 Miniconda 및 pip를 사용하여 TensorFlow를 설치할 수 있습니다. 또는 소스에서 빌드하도록 선택합니다.
완료 방법을 보여 드리겠습니다.
#1. Miniconda 및 pip 사용(권장 방법)
참고: Windows와 동일한 명령을 따르십시오. 유일한 차이점은 Linux에서 Miniconda를 설치/다운로드하는 방법입니다.
터미널을 사용하여 Linux에 Miniconda를 설치하는 방법은 다음과 같습니다.
curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -o Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh
Linux 배포판에서 터미널을 다시 시작하여 다음과 같은 것을 찾으십시오.
터미널 프롬프트 변수 앞에 (base)가 있음을 알 수 있습니다. 이것은 conda가 현재 활성화되어 있고 설치되어 있음을 나타냅니다.
TensorFlow 설치가 완료되지 않은 경우 비활성화하지 마십시오.
Windows에 대해 위에서 언급한 단계로 이동하여 설치할 수 있습니다. 또는 다음을 붙여넣어 TensorFlow를 설치하세요.
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Linux의 경우 GPU 드라이버에 문제가 있을 수 있습니다. 이를 위해 자세한 내용은 NVIDIA 설명서를 참조해야 합니다.
#2. 소스에서 빌드
Windows와 마찬가지로 소스 코드에서 빌드하는 것은 Linux에서 까다로우며 순전히 고급 사용자를 위한 것입니다.
당신(초보자라고 가정)은 특별히 염두에 두지 않는 한 이 방법을 선택해서는 안 됩니다. 그것에 대해 더 많이 탐색하는 가장 좋은 방법은 문서를 참조하는 것입니다.
Docker를 사용하여 TensorFlow를 설치하는 방법은 무엇입니까? (윈도우 및 리눅스)
플랫폼에 관계없이 Docker를 사용하면 문제 없이 TensorFlow 이미지를 설치할 수 있습니다.
시스템에 Docker가 설치되어 있는지 확인하거나 Docker 설치 가이드에 따라 도움을 받을 수 있습니다.
설정이 완료되면 Docker 내에서 다음 명령을 입력해야 합니다.
docker pull tensorflow/tensorflow
작업에 필요한 구성으로 컨테이너를 시작하려면 Docker 컨테이너에 대한 전문 지식이 필요합니다.
특정 GPU 지원 또는 다른 TensorFlow 버전 다운로드에 대해서는 공식 문서에서 사용 가능한 옵션을 참조하십시오.
다음은 Docker를 사용하여 명령을 실행하려는 경우의 모습입니다.
docker run [-it] [--rm] [-p hostPort:containerPort] tensorflow/tensorflow[:tag] [command]
결론
TensorFlow 설치는 일회성이며 당사 가이드에 따르면 대부분의 경우 번거롭지 않은 프로세스여야 합니다.
이전 Python 버전 또는 이전 Conda 패키지 관리자로 이미 이전 구성 또는 설정이 있는 경우. TensorFlow를 원활하게 설치하려면 최신 업데이트를 적용하세요.
AI 및 ML 애플리케이션을 구축하기 위한 최고의 AI 플랫폼을 탐색할 수도 있습니다.