TensorFlow¶

In dit artikel

• TensorFlow. Belangrijkste functies
• Implementatiefuncties
• Aan de slag met TensorFlow na implementatie
• Verbinden en initiële configuratie
• Een server met TensorFlow bestellen via de API

TensorFlow. Belangrijkste functies¶

• Voorgeconfigureerde omgeving: de nieuwste stabiele versie van TensorFlow, geoptimaliseerde NVIDIA-drivers en CUDA-instellingen zijn vooraf geïnstalleerd. Ondersteunt het maken en beheren van meerdere Python virtuele omgevingen.
• Verscheidenheid aan machine learning-modellen: stelt u in staat een breed scala aan modellen te maken en te trainen, waaronder neurale netwerken, lineaire regressie, logistische regressie en vele anderen. Een veelzijdig hulpmiddel voor het oplossen van diverse machine learning-taken.
• Schaalbaarheid: stelt u in staat modellen te trainen op grote datasets. Deze bibliotheek kan computationele resources efficiënt benutten door de belasting te verdelen over meerdere processors of grafische verwerkingseenheden (GPU's).
• Flexibiliteit: biedt een flexibel programmeerinterface dat ontwikkelaars in staat stelt machine learning-modellen te maken die zijn afgestemd op hun specifieke behoeften. Ondersteunt verschillende niveaus van abstractie, van lage-niveaucontrole over berekeningen tot hoge-niveau-API's voor snel prototyping.
• Visualisatietools: bevat tools voor het visualiseren van modelstructuren, computationele grafieken en data. Deze functionaliteit helpt bij het beter begrijpen en debuggen van modellen, evenals bij het interpreteren van resultaten.
• Ondersteuning voor gedistribueerd rekenwerk: stelt u in staat berekeningen te verdelen over meerdere apparaten, zoals CPU's en GPU's, evenals tussen machines in een cluster. Dit zorgt voor versnelde training en modeloutput door parallelle berekeningen.
• Integratie met andere bibliotheken: kan eenvoudig worden geïntegreerd met andere populaire machine learning-bibliotheken, zoals Keras, scikit-learn en vele anderen.
• Uitgebreide community en educatieve bronnen: een actieve gebruikerscommunity en ontwikkelaarsecosysteem, samen met talloze educatieve bronnen, waaronder documentatie, cursussen, tutorials en voorbeeldcode.

Een private server met TensorFlow is ontworpen voor onderzoekers, ontwikkelaars en bedrijven die een veilige en hoogpresterende rekenomgeving nodig hebben voor het ontwikkelen en trainen van machine learning-modellen met behulp van TensorFlow. Het zorgt voor volledige controle over resources en gegevensvertrouwelijkheid, evenals versnelde modeltraining door het gebruik van moderne NVIDIA GPU's.

Implementatiefuncties¶

• Installatietijd: 15-30 minuten, inclusief besturingssysteem;
• Installeert Python, TensorFlow, CUDA en NVIDIA-drivers;
• De home-map van de gebruiker is /home/user;
• Systeemvereisten: professionele grafische kaart (NVIDIA RTX A4000/A5000 of NVIDIA H100), minimaal 16 GB RAM.

Aan de slag met TensorFlow na implementatie¶

Na betaling ontvangt u op het e-mailadres dat tijdens de registratie is geregistreerd, een melding dat de server klaar is voor gebruik. Dit bericht bevat het IP-adres van de VPS en inloggegevens. Serverbeheer wordt afgehandeld via ons controlepaneel - Invapi.

De authenticatiegegevens zijn te vinden in het gedeelte Configuration >> Tags van het servercontrolepaneel of in de verzonden e-mail:

• Login: root voor administrator, user voor het werken met TensorFlow;
• Wachtwoord: voor administrator, ontvangen in een e-mail bij levering van de server; voor gebruiker user, te vinden in bestand /root/user_credentials.

Verbinden en initiële configuratie¶

Na toegang tot de server te hebben verkregen, maakt u een verbinding ermee via SSH met supergebruikersrechten (root):

ssh root@<server_ip>

Voer vervolgens het volgende commando uit:

nano /root/user_credentials

Na het uitvoeren van het commando wordt een tekstbestand geopend met de inloggegevens van gebruiker user. Kopieer het wachtwoord voor gebruiker user. Maak vervolgens de root-sessie af en maak opnieuw verbinding met de server via SSH als gebruiker user, met behulp van het gekopieerde wachtwoord.

Zodra u bent overgestapt naar het user-account, activeert u de virtuele omgeving venv door het volgende uit te voeren:

. tensorflow.sh

U kunt nu beginnen met werken in de Python-interpreter door deze te starten met het commando:

python

De interpreter is nu klaar voor invoer en code-uitvoering.

Om de functionaliteit van de bibliotheek en GPU-ondersteuning te testen, kunt u het volgende programma invoeren in de Python-console:

import tensorflow as tf
print(tf.reduce_sum(tf.random.normal([1000, 1000])))

U kunt ook het trainingscript tensorflow-2-simple-examples gebruiken. Voordat u dat doet, moet u een bestand maken en de scripttekst erin kopiëren. Voorbeeldoutput:

Een server met TensorFlow bestellen via de API¶