はじめに
Kerasは、機械学習アプリケーションを簡素化するために設計されたPythonプログラミング言語に基づくニューラルネットワークライブラリです。 KerasはTensorFlowなどのフレームワーク上で実行されます。
このガイドでは、LinuxシステムにKerasとTensorflowをインストールする方法を学びます。
前提条件
- コマンドライン/ターミナルにアクセスできるLinuxマシン
- sudoのユーザーアカウント またはルート 特権
- Python 3.5 – 3.8 開発環境
- Python3-pip パッケージマネージャー
LinuxにKerasをインストールする方法
Kerasは、TensorFlow、Theano、R、PlaidML、MicrosoftCognitiveToolkitなどのさまざまな機械学習フレームワークと連携するように構築されています。ただし、Kerasで使用するのに最適なフレームワークはTensorFlowです。
この記事では、TensorFlowのインストールについても説明します。
ステップ1：Python3とPipをインストールして更新する
マシンにすでにPython3とPipがある場合は、この手順をスキップしてください。
そうでない場合は、ターミナルを開き、Linuxディストリビューションに応じて、次のコマンドを入力します。
CentOS / RedHat：
sudo yum install python3 python3-pip
yと入力します プロンプトが表示されたら。インストールでプロセスを完了させます。
次に、このコマンドを実行してPipをアップグレードします：
sudo pip3 install ––upgrade pip
Ubuntu / Debian：
これらの配布のプロセスは似ています：
sudo apt install python3 python3.pipsudo pip3 install ––upgrade pipステップ2：Setuptoolsをアップグレードする
setuptoolsをアップグレードするには 、次のように入力します：
pip3 install ––upgrade setuptools
この手順を実行しないと、別の setuptoolsを必要とする特定のパッケージに関するエラーが発生する場合があります。 システムにあるバージョンよりもバージョン。
ステップ3：TensorFlowをインストールする
TensorFlowのインストールは簡単です。 Pipとこのコマンドを使用してインストールします::
pip3 install tensorflowダウンロードとインストールを終了します。
ソフトウェアパッケージ情報を確認して、インストールが成功したことを確認します。
pip3 show tensorflowシステムはTensorFlowバージョンとその他のデータを表示する必要があります。
入力を短くするには、次のコマンドを使用します：
pip list | grep tensorflow
ステップ4：Kerasをインストールする
最後に、次のコマンドを使用してKerasをインストールします。
pip3 install kerasプロセスが完了すると、ターミナルに確認メッセージが表示されます。
パッケージ情報を表示して、インストールを確認します。
pip3 show keras
ステップ5：GitクローンからKerasをインストールする（オプション）
システムにGitがある場合は、それを使用してGitHubからKerasソフトウェアパッケージのコピーを複製できます。
GitHubからKerasパッケージのクローンを作成するには、次のように入力します。
git clone https://github.com/keras-team/keras.git
ダウンロードが完了したら、 /kerasに切り替えます ディレクトリ：
cd kerasそこから、 Kerasを実行します Pythonインストーラー：
sudo python3 setup.py install出力には、プロセスが完了したときの確認が表示されます。
KerasとTensorFlow
KerasとTensorFlowはどちらもオープンソースソフトウェアです。 TensorFlowは、機械学習用のソフトウェアライブラリです。 KerasはTensorFlow上で実行され、基本的な機械学習ソフトウェアの機能を拡張します。 Kerasはまた、実装、テスト、および使用法をよりユーザーフレンドリーにします。
KerasはTensorFlowと連携して、Pythonプログラミング言語のインターフェースを提供します。 レイヤーを使用して機能します およびモデル 。
レイヤー
レイヤー は処理装置です。入力を受け取り、その入力に対して計算を実行してから、変換された情報を出力します。
レイヤーには次のものが必要です：
- 入力の形状： レイヤーが入力情報をどのように理解するかを定義します
- イニシエーター ：重みを設定します 、または各情報の重要性。
- アクティベーター： データを非線形形式に変換します。
モデル
モデル はグループです レイヤー 。モデルには、トレーニングモジュールと推論モジュールも含まれています。ここで機械学習が役立ちます。各モデルには次のものがあります：
- 入力： Kerasモデルに情報を送信するスクリプト。
- 出力： Kerasモデルによって変換された後に出てくる情報。
- タイプ： モデルはシーケンシャルの場合があります 、問題を解決するために一度に1つのレイヤーが構築されることを意味します。または、機能にすることもできます 、レイヤーが複雑で非線形な方法で相互接続する場合があります。