TensorFlow و Keras دو کتابخانه پایتون است که به دست گوگل برای محاسبات عددی (Numerical Computing) طراحی شده اند که از آنها برای ساخت و پیاده سازی مدل های یادگیری ژرف کمک گرفته می شود. TensorFlow کتابخانه ای است که برای دو انگیزه پژوهشی و توسعه نرم افزاری می تواند به کار گرفته شود ولی برخی دیگر از کتابخانه های یادگیری ژرف مانند Theano تنها برای انگیزه های پژوهشی به کار می روند. TensorFlow برای پردازش، می تواند بر روی پردازنده (CPU) و یا بر روی GPU انجام شود.

TensorFlow کتابخانه پیچیده ای است . به کار گیری آن بسیار سخت است. برای همین رایج است تا کتابخانه Keras را بر روی TensorFlow انجام دهیم به گونه ای که TensorFlow به عنوان Backend کتابخانه Keras خواهد بود. ما در نوشته های پیش رو Keras را به کار می بریم، ولی نیاز است تا برای کارکرد Keras، کتابخانه TensorFlow نیز نصب باشد، به این معنی که به جای هم کنشی (تعامل) سر راست (مستقیم) با TensorFlow، این Keras است که هم کنشی با TensorFlow را انجام می دهد.

نصب نیازمندی ها برای یادگیری ژرف

بی توجه به آنکه در این نوشته چه پروزه هایی را می خواهیم پیاده سازی کنیم، در اینجا می خواهیم شماری از کتابخانه های مورد نیاز برای زمینه یادگیری ژرف را نصب کنیم. برای این، نخست بهتر است تا یک محیط مجازی با دستور virtualenv بسازید و سپس درون آن کتابخانه ها را نصب کنید.

کتابخانه NumPy برای پردازش عددی& کاربردهای ریاضی و ماتریسی و ساخت آرایه های یک و چند بعدی در پایتون به کار می رود. Pandas یکی از بهترین کتابخانه هایی هست که برای پایتون ساخته شده است. این کتابخانه برای یکپارچه سازی و پالایش داده ها به کار گرفته می شوند. این کتابخانه کاربردهای متفاوتی دارد که در پایان فهرست شده اند.

کتابخانه matplotlib برای کشیدن نمودارهای به کار می رود. یکی از مهمترین کارهایی که باید در پردازش داده ها، داده کاوی، یادگیری ماشین و یادگیری ژرف انجام دهیم، نشان دادن داده ها است، به گونه ای که از روی شکل بتوانیم فهم درستی از داده ها داشته باشیم. کتابخانه Scikit-Learn نیز برای زمینه یادگیری ماشین به کار می رود. این کتابخانه در نوشته های یادگیری ماشین به کار گرفته می شود. البته این کتابخانه برای پروژه های یادگیری ژرف و شبکه عصبی نیازی نیست ولی من در نوشته ای در همین دوره از ویژگی های آن کمک می گیریم. در پایان دو کتابخانه Keras و TensorFlow نصب شده اند. توجه کنید برای کارکرد Keras نصب TensorFlow یا Theano به عنوان Backend نیاز است و من ترجیح می دهم TensorFlow را به کار ببرم.