TensorFlow adalah platform open source untuk machine learning yang dibangun oleh Google. TensorFlow digunakan oleh sejumlah organisasi termasuk Twitter, PayPal, Intel, Lenovo, dan Airbus.
TensorFlow dapat diinstal di seluruh sistem, dalam Python virtual environment, sebagai Docker container atau dengan Anaconda. Untuk tujuan pembelajaran, yang terbaik adalah menginstal TensorFlow di Python virtual environment.
Dengan virtual environment, Anda dapat memiliki beberapa proyek yang terisolasi dan berbeda pada satu komputer. Dengan metode ini, Anda tidak perlu khawatir akan mempengaruhi Proyek Anda yang lain.
Tutorial ini menjelaskan cara install TensorFlow di Python virtual environment pada sistem operasi Debian 10.
Install TensorFlow di Debian 10
Bagian berikut memberikan petunjuk langkah demi langkah tentang cara menginstal TensorFlow di Python virtual environment di Debian 10.
1. Install Python 3 dan venv
Debian 10 Buster secara default datang dengan Python 3.7.
Anda dapat memverifikasi bahwa Python 3 diinstal pada sistem Anda dengan mengetik:
python3 --version
Outputnya kurang lebih akan terlihat seperti ini:
Python 3.7.3
Disarankan untuk membuat virtual environment adalah dengan menggunakan modul venv. Untuk menginstal paket python3-venv yang menyediakan modul venv, jalankan perintah berikut:
sudo apt update sudo apt install python3-venv
2. Membuat Virtual Environment
Mulailah dengan menavigasi ke direktori tempat Anda ingin menyimpan virtual environments Python 3. Direktori ini menjadi direktori home Anda atau direktori lain di mana user lain memiliki akses read and write.
Buat direktori baru untuk proyek TensorFlow dan masuk ke dalamnya:
mkdir my_tensorflow && cd my_tensorflow
Setelah di dalam direktori, jalankan perintah berikut untuk membuat virtual environment:
python3 -m venv venv
Perintah di atas membuat direktori bernama venv, yang berisi salinan binary Python, Pip package manager, Python library standar, dan file pendukung lainnya. Anda dapat menggunakan nama apa pun yang Anda inginkan untuk virtual environment.
Untuk mulai menggunakan virtual environment, Anda harus mengaktifkannya dengan menjalankan skrip activate dengan perintah source:
source venv/bin/activate
Setelah diaktifkan, direktori bin virtual environment akan ditambahkan di awal variabel $PATH. Selain itu, prompt shell Anda akan berubah dan akan menampilkan nama virtual environment yang saat ini Anda gunakan. Dalam hal ini yaitu venv.
Instalasi TensorFlow membutuhkan pip versi 19 atau lebih baru. Jalankan perintah berikut untuk meningkatkan pip ke versi terbaru:
pip install --upgrade pip
3. Installi TensorFlow
Sekarang kita telah menciptakan virtual environment, langkah selanjutnya adalah menginstal paket TensorFlow.
Ada beberapa paket TensorFlow yang dapat diinstal dari PyPI. Paket tensorflow hanya mendukung CPU, dan disarankan untuk pengguna pemula.
Jika Anda memiliki GPU NVIDIA dedicated dengan kapabilitas komputasi CUDA 3.5 atau lebih tinggi dan ingin memanfaatkan kekuatan pemrosesan, alih-alih tensorflow instal paket tensorflow-gpu yang mencakup dukungan GPU.
Masukkan perintah di bawah ini untuk menginstal TensorFlow:
pip install --upgrade tensorflow
Dalam virtual environment, Anda dapat menggunakan mengganti pip3 dengan pip3 dan python3 dengan python.
Setelah instalasi selesai, verifikasi dengan perintah berikut yang akan mencetak versi TensorFlow:
python -c 'import tensorflow as tf; print(tf.__version__)'
Pada saat penulisan artikel ini, versi stabil terbaru dari TensorFlow adalah 2.0.0:
2.0.0
Versi TensorFlow Anda mungkin berbeda dari versi yang ditampilkan di sini.
Setelah Anda selesai dengan pekerjaan Anda, nonaktifkan lingkungan, dengan mengetik deactivate dan Anda akan kembali ke shell normal.
deactivate
Kesimpulan
Kami telah menunjukkan kepada Anda cara menginstal TensorFlow dengan pip di dalam lingkungan virtual Python di Debian 10.
Jika Anda baru menggunakan TensorFlow, kunjungi halaman get started with TensorFlow dan pelajari cara membuat aplikasi Machine Learning pertama Anda. Anda juga dapat mengkloning TensorFlow Model atau repositori TensorFlow-Examples dari Github dan menjelajahi dan menguji contoh-contoh TensorFlow.
