[TensorFlow] TensorFlow&Keras 개발환경 구축

⊙아나콘다 (Anaconda)

아나콘다를 선택한 이유

1. 먼저 각종 수학/과학 라이브러리들을 같이 패키징 돼있기 때문에 라이브러리들을 수동으로 설치할 필요가 없다.( panda, numpy, scipy, sklearn, matplotlib, Jupyter Notebook ...)
2. 로컬 컴퓨터의 가상 환경을 쉽게 생성, 저장, 로드할 수 있다. 이런 가상 환경 안에서 같은 모듈을 다른 버전으로 여러 개 설치하여 관리할 수 있다.

 

⊙아나콘다 설치

bradbury.tistory.com/60?category=830131

아나콘다(Anaconda) 설치

 

⊙파이참 (Pycharm)

파이참(Pycharm)을 선택한 이유

1.  커뮤니티(Community) 버전을 무료로 사용할 수 있다.
2. 패키지 설치가 용이하다. Python의 패키지 설치를 위해서는 pip를 주로 사용하는데, 파이참에서는 패키지를 GUI상에서 쉽게 설치할 수 있다. 
3. 함수 관리가 쉽다. 파이썬의 코드가 길어지면 함수나 클래스가 여러 개 생기면서 구조를 파악하기 어렵다. 하지만 파이참에서는 structure탭을 통해 코드 안에 있는 함수를 보여주고 더블 클릭 시 해당 함수로 이동할 수 있어 코드 관리가 쉬워진다.
4. TensorFlow 개발자 인증서 시험에서 사용한다. TensorFlow 개발자 인증을 취득할 때, Pycharm으로 치러진다. 시험 전에 어느 정도 능숙하게 다룰 수 있게 만드는 것이 중요하다 생각했다.

 

⊙파이참 설치 & 연동

bradbury.tistory.com/63?category=830131

파이참(PyCharm) 설치 및 아나콘다 가상환경 적용

 

⊙ TensorFlow

PyTorch와 고민했다. PyTorch의 간결함, 훌륭한 문서와 Keras와 비슷한 것이 나의 이목을 끌었지만 결국 TensorFlow를 선택했다. 먼저 TensorFlow 1.x 버전은 복잡했지만 TensorFlow 2는 파이토치만큼 간결해졌으며, Keras를 공식 고수준 API로 채택하면서 개발자들이 나머지 API도 크게 단순화하고 정리하였다. 문서도 완전히 재구성되어 원하는것을 훨씬 쉽게 찾을 수 있다. 게다가 파이토치의 주요 약점들(이식성이 제한적인 것과 계산 그래프의 해석 한계)이 TensorFlow에서는 자유롭다.

 

⊙ TensorFlow 설치

bradbury.tistory.com/67?category=830131

아나콘다로 Tensorflow 설치

 

⊙ TensorFlow / Keras 설치 확인

import tensorflow as tf
from tensorflow import keras
print(tf.__version__)
print(keras.__version__)

 

TensorFlow 2.3.0 & Keras 2.4.0