Keras - Instalasi

Bab ini menjelaskan tentang cara menginstal Keras di mesin Anda. Sebelum pindah ke instalasi, mari kita bahas persyaratan dasar Keras.

Prasyarat

Anda harus memenuhi persyaratan berikut -

  • Semua jenis OS (Windows, Linux atau Mac)
  • Python versi 3.5 atau lebih tinggi.

Python

Keras adalah pustaka jaringan saraf berbasis python sehingga python harus diinstal di komputer Anda. Jika python diinstal dengan benar di mesin Anda, kemudian buka terminal Anda dan ketik python, Anda dapat melihat respons yang serupa seperti yang ditentukan di bawah ini,

Python 3.6.5 (v3.6.5:f59c0932b4, Mar 28 2018, 17:00:18) 
[MSC v.1900 64 bit (AMD64)] on win32 
Type "help", "copyright", "credits" or "license" for more information. 
>>>

Sekarang versi terbaru adalah '3.7.2'. Jika Python belum diinstal, kunjungi tautan resmi python - www.python.org dan unduh versi terbaru berdasarkan OS Anda dan segera instal di sistem Anda.

Langkah Instalasi Keras

Instalasi keras cukup mudah. Ikuti langkah-langkah di bawah ini untuk menginstal Keras dengan benar di sistem Anda.

Langkah 1: Buat lingkungan virtual

Virtualenvdigunakan untuk mengelola paket Python untuk berbagai proyek. Ini akan membantu untuk menghindari kerusakan paket yang diinstal di lingkungan lain. Jadi, selalu disarankan untuk menggunakan lingkungan virtual saat mengembangkan aplikasi Python.

Linux/Mac OS

Pengguna Linux atau mac OS, buka direktori root proyek Anda dan ketik perintah di bawah ini untuk membuat lingkungan virtual,

python3 -m venv kerasenv

Setelah menjalankan perintah di atas, direktori “kerasenv” dibuat dengan bin,lib and include folders di lokasi instalasi Anda.

Windows

Pengguna Windows dapat menggunakan perintah di bawah ini,

py -m venv keras

Langkah 2: Aktifkan lingkungan

Langkah ini akan mengkonfigurasi executable python dan pip di jalur shell Anda.

Linux/Mac OS

Sekarang kami telah membuat lingkungan virtual bernama “kerasvenv”. Pindah ke folder dan ketik perintah di bawah ini,

$ cd kerasvenv kerasvenv $ source bin/activate

Windows

Pengguna Windows masuk ke dalam folder "kerasenv" dan ketik perintah di bawah ini,

.\env\Scripts\activate

Langkah 3: Perpustakaan Python

Keras bergantung pada pustaka python berikut.

  • Numpy
  • Pandas
  • Scikit-learn
  • Matplotlib
  • Scipy
  • Seaborn

Mudah-mudahan, Anda telah menginstal semua pustaka di atas di sistem Anda. Jika pustaka ini tidak diinstal, gunakan perintah di bawah ini untuk menginstal satu per satu.

numpy

pip install numpy

Anda bisa melihat respon berikut,

Collecting numpy 
   Downloading 
https://files.pythonhosted.org/packages/cf/a4/d5387a74204542a60ad1baa84cd2d3353c330e59be8cf2d47c0b11d3cde8/ 
   numpy-3.1.1-cp36-cp36m-macosx_10_6_intel.
macosx_10_9_intel.macosx_10_9_x86_64. 
   macosx_10_10_intel.macosx_10_10_x86_64.whl (14.4MB) 
      |████████████████████████████████| 14.4MB 2.8MB/s

pandas

pip install pandas

Kita bisa melihat respon berikut,

Collecting pandas 
   Downloading 
https://files.pythonhosted.org/packages/cf/a4/d5387a74204542a60ad1baa84cd2d3353c330e59be8cf2d47c0b11d3cde8/ 
pandas-3.1.1-cp36-cp36m-macosx_10_6_intel.
macosx_10_9_intel.macosx_10_9_x86_64. 
   macosx_10_10_intel.macosx_10_10_x86_64.whl (14.4MB) 
      |████████████████████████████████| 14.4MB 2.8MB/s

matplotlib

pip install matplotlib

Kita bisa melihat respon berikut,

Collecting matplotlib 
   Downloading 
https://files.pythonhosted.org/packages/cf/a4/d5387a74204542a60ad1baa84cd2d3353c330e59be8cf2d47c0b11d3cde8/ 
matplotlib-3.1.1-cp36-cp36m-macosx_10_6_intel.
macosx_10_9_intel.macosx_10_9_x86_64. 
   macosx_10_10_intel.macosx_10_10_x86_64.whl (14.4MB) 
      |████████████████████████████████| 14.4MB 2.8MB/s

scipy

pip install scipy

Kita bisa melihat respon berikut,

Collecting scipy 
   Downloading 
https://files.pythonhosted.org/packages/cf/a4/d5387a74204542a60ad1baa84cd2d3353c330e59be8cf2d47c0b11d3cde8 
/scipy-3.1.1-cp36-cp36m-macosx_10_6_intel.
macosx_10_9_intel.macosx_10_9_x86_64. 
   macosx_10_10_intel.macosx_10_10_x86_64.whl (14.4MB) 
      |████████████████████████████████| 14.4MB 2.8MB/s

scikit-learn

Ini adalah pustaka pembelajaran mesin sumber terbuka. Ini digunakan untuk klasifikasi, regresi dan algoritma pengelompokan. Sebelum pindah ke penginstalan, diperlukan hal-hal berikut -

  • Python versi 3.5 atau lebih tinggi
  • NumPy versi 1.11.0 atau lebih tinggi
  • SciPy versi 0.17.0 atau lebih tinggi
  • joblib 0.11 atau lebih tinggi.

Sekarang, kami menginstal scikit-learn menggunakan perintah di bawah ini -

pip install -U scikit-learn

Seaborn

Seaborn adalah perpustakaan luar biasa yang memungkinkan Anda memvisualisasikan data dengan mudah. Gunakan perintah di bawah ini untuk menginstal -

pip pip install seaborninstall -U scikit-learn

Anda bisa melihat pesan seperti yang ditentukan di bawah ini -

Collecting seaborn 
   Downloading 
https://files.pythonhosted.org/packages/a8/76/220ba4420459d9c4c9c9587c6ce607bf56c25b3d3d2de62056efe482dadc 
/seaborn-0.9.0-py3-none-any.whl (208kB) 100% 
   |████████████████████████████████| 215kB 4.0MB/s 
Requirement already satisfied: numpy> = 1.9.3 in 
./lib/python3.7/site-packages (from seaborn) (1.17.0) 
Collecting pandas> = 0.15.2 (from seaborn) 
   Downloading 
https://files.pythonhosted.org/packages/39/b7/441375a152f3f9929ff8bc2915218ff1a063a59d7137ae0546db616749f9/ 
pandas-0.25.0-cp37-cp37m-macosx_10_9_x86_64.
macosx_10_10_x86_64.whl (10.1MB) 100% 
   |████████████████████████████████| 10.1MB 1.8MB/s 
Requirement already satisfied: scipy>=0.14.0 in 
./lib/python3.7/site-packages (from seaborn) (1.3.0) 
Collecting matplotlib> = 1.4.3 (from seaborn) 
   Downloading 
https://files.pythonhosted.org/packages/c3/8b/af9e0984f
5c0df06d3fab0bf396eb09cbf05f8452de4e9502b182f59c33b/ 
matplotlib-3.1.1-cp37-cp37m-macosx_10_6_intel.
macosx_10_9_intel.macosx_10_9_x86_64 
.macosx_10_10_intel.macosx_10_10_x86_64.whl (14.4MB) 100% 
   |████████████████████████████████| 14.4MB 1.4MB/s 
...................................... 
...................................... 
Successfully installed cycler-0.10.0 kiwisolver-1.1.0 
matplotlib-3.1.1 pandas-0.25.0 pyparsing-2.4.2 
python-dateutil-2.8.0 pytz-2019.2 seaborn-0.9.0

Instalasi Keras Menggunakan Python

Sampai sekarang, kami telah menyelesaikan persyaratan dasar untuk penginstalan Kera. Sekarang, instal Keras menggunakan prosedur yang sama seperti yang ditentukan di bawah ini -

pip install keras

Keluar dari lingkungan virtual

Setelah menyelesaikan semua perubahan Anda dalam proyek Anda, cukup jalankan perintah di bawah ini untuk keluar dari lingkungan -

deactivate

Anaconda Cloud

Kami yakin Anda telah menginstal anaconda cloud di komputer Anda. Jika anaconda belum diinstal, kunjungi tautan resminya, www.anaconda.com/distribution dan pilih unduh berdasarkan OS Anda.

Buat lingkungan conda baru

Luncurkan anaconda prompt, ini akan membuka lingkungan dasar Anaconda. Mari kita buat lingkungan conda baru. Proses ini mirip dengan virtualenv. Ketik perintah di bawah ini di terminal conda Anda -

conda create --name PythonCPU

Jika mau, Anda juga dapat membuat dan menginstal modul menggunakan GPU. Dalam tutorial ini, kami mengikuti instruksi CPU.

Aktifkan lingkungan conda

Untuk mengaktifkan lingkungan, gunakan perintah di bawah ini -

activate PythonCPU

Pasang spyder

Spyder adalah IDE untuk menjalankan aplikasi python. Mari kita instal IDE ini di lingkungan conda kita menggunakan perintah di bawah ini -

conda install spyder

Instal pustaka python

Kami telah mengetahui pustaka python numpy, pandas, dll., Yang dibutuhkan untuk keras. Anda dapat menginstal semua modul dengan menggunakan sintaks di bawah ini -

Syntax

conda install -c anaconda <module-name>

Misalnya, Anda ingin menginstal panda -

conda install -c anaconda pandas

Seperti metode yang sama, coba sendiri untuk menginstal modul yang tersisa.

Pasang Keras

Sekarang, semuanya terlihat baik jadi Anda bisa memulai instalasi keras menggunakan perintah di bawah ini -

conda install -c anaconda keras

Luncurkan spyder

Terakhir, luncurkan spyder di terminal conda Anda menggunakan perintah di bawah ini -

spyder

Untuk memastikan semuanya terpasang dengan benar, impor semua modul, itu akan menambahkan semuanya dan jika ada yang salah, Anda akan mendapatkannya module not found pesan eror.