Поиск по сайту:
402 Рауmеnt Rеquirеd - ужин при свечах.

Руководство для начинающих по настройке среды разработки искусственного интеллекта в Linux

16.01.2025
Руководство для начинающих по настройке среды разработки искусственного интеллекта в Linux

В предыдущей статье мы познакомили вас с основами ИИ и с тем, как он вписывается в мир Linux. Теперь пришло время углубиться в тему и настроить систему Linux, чтобы начать создавать свою первую модель ИИ.

Независимо от того, являетесь ли вы новичком или уже имеете некоторый опыт, в этом руководстве вы найдёте инструкции по установке основных инструментов, необходимых для работы с системами на базе Debian

 

Системные требования для Ubuntu 24.04

Прежде чем мы начнём, давайте убедимся, что ваша система соответствует минимальным требованиям для разработки ИИ.

  • Операционная система: Ubuntu 24.04 LTS (или более новая версия).
  • Процессор: 64-разрядный процессор с как минимум 2 ядрами (Intel Core i5 или AMD Ryzen 5 или лучше для стабильной работы).
  • Оперативная память: минимум 4 ГБ оперативной памяти (рекомендуется 8 ГБ или более для более ресурсоёмких моделей ИИ).
  • Хранилище: не менее 10 ГБ свободного места на диске (для более высокой производительности настоятельно рекомендуется использовать SSD).
  • Видеокарта (опционально): выделенный графический процессор (NVIDIA, рекомендуется для глубокого обучения) с не менее чем 4 ГБ VRAM, если вы планируете использовать такие фреймворки, как TensorFlow или PyTorch, с ускорением на графическом процессоре.

 

Шаг 1: Установите Python в Ubuntu

Python — самый популярный язык программирования для разработки ИИ благодаря своей простоте, мощности и огромной библиотеке инструментов и фреймворков.

В большинстве систем Linux Python предустановлен, но давайте убедимся, что у вас установлена последняя версия. Если Python установлен, вы увидите что-то вроде Python 3.x.x.

python3 --version

 

Читать  Вот как мобильные APU AMD Ryzen серии 8040 ставят искусственный интеллект на первое место

Если Python не установлен, вы можете легко установить его с помощью менеджера пакетов.

sudo apt update
sudo apt install python3

 

Далее вам нужно установить pip (менеджер пакетов Python), который поможет вам устанавливать библиотеки Python и управлять ими.

sudo apt install python3-pip

 

Шаг 2: Установите Git в Ubuntu

Git — это инструмент контроля версий, который позволяет отслеживать изменения в коде и сотрудничать с другими разработчиками, что важно для создания ИИ, поскольку многие проекты в области ИИ публикуются на таких платформах, как GitHub.

sudo apt install git

 

Подтвердите установку, набрав:

git --version

 

Вы должны увидеть что-то вроде git version 2.x.x.

 

Шаг 3: Настройте виртуальную среду в Ubuntu

Виртуальная среда помогает управлять проектами и их зависимостями изолированно, то есть вы можете работать над несколькими проектами, не беспокоясь о конфликтах между различными библиотеками.

Сначала убедитесь, что у вас установлен пакет python3-venv, необходимый для создания виртуальной среды.

sudo apt install python3-venv

 

Далее вам нужно создать новый каталог для вашего проекта и настроить виртуальную среду:

mkdir my_ai_project
cd my_ai_project
python3 -m venv venv
source venv/bin/activate

 

После выполнения приведённых выше команд приглашение терминала должно измениться, указывая на то, что вы находитесь в виртуальной среде.

 

Шаг 4: Установите библиотеки искусственного интеллекта в Ubuntu

Теперь, когда вы настроили PythonGit и виртуальную среду, пришло время установить библиотеки, которые помогут вам создавать модели ИИ.

Читать  NVIDIA утверждает, что фокус на играх непоколебим на фоне бума искусственного интеллекта

Некоторые из самых популярных библиотек для ИИ — TensorFlowKeras и PyTorch.

 

Установите TensorFlow в Ubuntu

TensorFlow — это библиотека с открытым исходным кодом, разработанная Google и широко используемая в проектах по машинному обучению и искусственному интеллекту.

pip3 install tensorflow

 

Установите Keras в Ubuntu

Keras — это высокоуровневый API для нейронных сетей, написанный на Python и работающий на базе TensorFlow.

pip3 install keras

 

Установите PyTorch в Ubuntu

PyTorch — еще одна популярная библиотека искусственного интеллекта, особенно для глубокого обучения.

pip3 install torch

 

Шаг 5: Создание вашей первой модели искусственного интеллекта

Теперь, когда ваша система готова, давайте создадим простую модель ИИ под названием нейронная сеть с помощью TensorFlow и Keras для классификации рукописных цифр из знаменитого набора данных MNIST.

Создайте новый файл Python с именем first_ai_model.py и откройте его в любимом текстовом редакторе.

sudo nano first_ai_model.py

 

В верхней части файла добавьте следующие операторы импорта для подключения необходимых библиотек:

import tensorflow as tf
from tensorflow.keras import layers, models

 

Затем загрузите набор данных MNIST, содержащий 60 000 изображений рукописных цифр (от 0 до 9), для обучения нашей модели.

(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()

 

Предварительно обработайте данные, чтобы нормализовать изображения до значений от 0 до 1 путём деления на 255.

train_images, test_images = train_images / 255.0, test_images / 255.0

 

Читать  Gigabyte внедряет инновации с использованием искусственного интеллекта для решения проблемы выгорания OLED

Постройте модель, создав простую нейронную сеть с одним скрытым слоем.

model = models.Sequential([
    layers.Flatten(input_shape=(28, 28)),
    layers.Dense(128, activation='relu'),
    layers.Dense(10)
])

 

Скомпилируйте модель, указав оптимизатор, функцию потерь и показатели для оценки.

model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

 

Обучите модель, используя обучающие данные.

model.fit(train_images, train_labels, epochs=5)

 

Наконец, протестируйте модель на тестовых данных, чтобы понять, насколько хорошо она работает.

test_loss, test_acc = model.evaluate(test_images, test_labels)
print('Test accuracy:', test_acc)

 

Шаг 6: Запустите модель искусственного интеллекта

После написания кода сохраните файл и запустите его в терминале:

python3 first_ai_model.py

 

Модель начнёт обучение и после 5 эпох покажет точность теста. Чем выше точность, тем лучше работает модель.

Поздравляем, вы только что создали свою первую модель искусственного интеллекта!

 

Заключение

В этой статье мы рассказали, как настроить систему Linux для разработки ИИ, установив PythonGit и основные библиотеки ИИ, такие как TensorFlowKeras и PyTorch.

Мы также рассмотрели создание простой нейронной сети для распознавания рукописных цифр. Теперь, вооружившись этими инструментами и знаниями, вы готовы исследовать захватывающий мир искусственного интеллекта в Linux!

Следите за обновлениями этой серии статей, в которых мы подробнее рассмотрим методы разработки ИИ и изучим более сложные темы.

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.

1 Звезда2 Звезды3 Звезды4 Звезды5 Звезд (1 оценок, среднее: 5,00 из 5)
Загрузка...
Поделиться в соц. сетях:


0 0 голоса
Рейтинг статьи
Подписаться
Уведомить о
guest

**ссылки nofollow

0 комментариев
Старые
Новые Популярные
Межтекстовые Отзывы
Посмотреть все комментарии

Это может быть вам интересно


Рекомендуемое
Переезд в Дубай с домашним животным – это не просто…

Спасибо!

Теперь редакторы в курсе.