TensorFlow ist eine von Google entwickelte Open-Source-Plattform für maschinelles Lernen und KI (künstliche Intelligenz). Sie hilft Entwicklern, die in diesem Bereich arbeiten, bei einer Reihe von Aufgaben.
Zunächst einmal müssen Sie ein Verständnis für maschinelles Lernen oder speziell für Deep Learning haben, bevor Sie TensorFlow nutzen können.
Lassen Sie mich hier einige Dinge über TensorFlow, seine Funktionen und schnelle Methoden zur Installation unter Windows und Linux erläutern.
TensorFlow Überblick

Technisch gesehen ist TensorFlow eine Open-Source-Plattform, die bei Deep-Learning-Anwendungen und allen anderen Anwendungsfällen des maschinellen Lernens hilft.
Sie erleichtert die Erstellung und den Einsatz von ML-gestützten Anwendungen. Wenn Sie ein Problem mit Hilfe von maschinellem Lernen lösen wollen, können Sie sich mit TensorFlow helfen lassen.
TensorFlow bietet Tools für die Entwicklung und das Training von Modellen mit Python oder JavaScript. Ich bin zwar kein Entwickler, aber Sie können sich die Dokumentation ansehen, um zu erfahren, wie es sich auf Ihren Arbeitsablauf beim Einsatz einer Anwendung für maschinelles Lernen auswirkt.
Eigenschaften von TensorFlow
TensorFlow ist aus mehreren Gründen berühmt, und Sie können das selbst beurteilen, wenn Sie die besten Funktionen kennen.
Wenn wir uns mit den technischen Vorteilen befassen, müssen Sie diese für Ihre Zwecke vergleichen. Wir werden uns also auf die allgemeinen Funktionen konzentrieren, die für die meisten von Vorteil sind.
1. Offene Quelle
Google beschloss 2015, TensorFlow als Open Source zu veröffentlichen, um der Community die Möglichkeit zu geben, es weiter zu verbessern und die Funktionsweise transparent zu machen.
Entwickler können die Bibliothek auf verschiedene Weise anpassen, um Probleme zu lösen, die Sie vielleicht nicht erwartet haben.
Ohne ein Open-Source-Framework wäre es vielleicht nicht so populär, wie es ist. Daher
2. Einfaches Debugging
TensorFlow zielt darauf ab, Ihnen bei der einfachen Modellerstellung zu helfen; daher ist eine mühelose Debugging-Erfahrung ein Teil dieses Prozesses.
Die intuitive Benutzererfahrung ist die Kirsche auf dem Sahnehäubchen.
3. Unterstützt sowohl CPUs als auch GPUs
Mit TensorFlow haben Sie die Möglichkeit, die Datenberechnung auf einer CPU oder einem Grafikprozessor zu trainieren. Normalerweise ist ein Grafikprozessor bei Deep Learning-Anwendungen schneller als eine CPU.
Wenn Sie also einen leistungsstarken Grafikprozessor in Ihrem Arsenal haben, können Sie mit TensorFlow das Beste daraus machen.
4. Nützliche APIs für maschinelles Lernen
APIs helfen Entwicklern, eine Vielzahl von Funktionen in ihre Anwendungen zu integrieren. Und TensorFlow bietet Zugang zu einer guten Sammlung von stabilen APIs.
Einige von ihnen können auch Leistungsvorteile bieten. Nach offiziellen Angaben sollten Sie keine Probleme mit den in Python verfügbaren APIs haben. Wenn Sie mit anderen Sprachen arbeiten, müssen Sie sich bei den TensorFlow-Maintainern erkundigen, wie gut sie für Ihren Anwendungsfall geeignet sind.
5. Vorgefertigte Modelle für die Produktion
TensorFlow bietet eine Vielzahl von vortrainierten Modellen. Egal, ob Sie ein Profi oder ein Neuling sind, Sie können diese nutzen, um Zeit zu sparen und ML-Modelle schneller zu erstellen.
Zusätzlich zu diesen Funktionen erhalten Sie Flexibilität, Benutzerfreundlichkeit, ein Visualisierungs-Toolkit und vieles mehr, das Ihren Workflow bei der Entwicklung von maschinellem Lernen unterstützen kann.
Nun, da Sie eine gute Vorstellung von TensorFlow haben, wo können Sie es herunterladen? Wie installieren Sie es und richten es auf Ihren Windows- und Linux-Systemen ein?
Lassen Sie uns das im Folgenden besprechen.
Herunterladen und Installieren von TensorFlow
Im Gegensatz zu anderen Programmen erhalten Sie hier keine .exe Setup-Datei. In erster Linie müssen Sie das Paket mit Hilfe des empfohlenen Paketmanagers herunterladen.
Insgesamt gibt es verschiedene Möglichkeiten der Installation. Wir können sie wie folgt auflisten:
- Verwendung von Miniconda und pip
- Verwendung von Miniconda und pip auf der WSL 2
- Verwendung eines Docker-Containers
- Aus den Quellen bauen
Wie installiert man TensorFlow unter Windows?

Im Gegensatz zu anderen Programmen erhalten Sie hier keine .exe Setup-Datei. Sie müssen das Paket mit dem empfohlenen Paketmanager herunterladen.
#1. Mit Miniconda und pip (empfohlene Methode)
Hinweis: Zum Zeitpunkt der Erstellung dieses Artikels ist TensorFlow 2.10 die letzte Version, die GPU unter Windows (nativ) unterstützt. Wenn Sie mit neueren Paketen arbeiten, empfiehlt TensorFlow die Installation von TensorFlow in WSL 2, die wir als nächstes besprechen werden.
Wenn Sie TensorFlow mit GPU-Unterstützung verwenden möchten, empfiehlt TensorFlow die Verwendung von Miniconda(Installationsprogramm für den conda-Paketmanager), um den Anfang zu machen.
Mit Miniconda können Sie eine separate Umgebung erstellen, um Konflikte mit anderer Software in Ihrem System zu vermeiden.
Um loszulegen, müssen Sie den neuesten Miniconda Windows Installer herunterladen und den Anweisungen auf dem Bildschirm folgen, um die Installation abzuschließen.
Danach müssen Sie die Miniconda-Eingabeaufforderung starten , wie im Screenshot gezeigt:

So sieht es aus:

Nachdem Sie das Fenster der Anaconda-Eingabeaufforderung sehen, sollten Sie den folgenden Befehl eingeben, um sicherzustellen, dass der conda-Paketmanager aktualisiert wurde:
conda update -n base -c defaults conda
Nachdem das erledigt ist, folgen nun die Schritte, die Sie zur Installation von TensorFlow ausführen müssen:
Zuerst erstellen Sie eine neue Umgebung (mit dem Namen tf):
conda create --name tf python=3.9
Tipp: Sie können die Umgebung mit den folgenden Befehlen aktivieren/deaktivieren: conda activate tf und conda deactivate
Sie müssen es aktivieren, um fortfahren zu können. Um die GPU-Unterstützung zu aktivieren, müssen Sie sicherstellen, dass Sie Ihren Grafiktreiber (NVIDIA GPU) installiert haben und dann einige Pakete mit dem folgenden Befehl installieren:
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
Es werden etwa 1 Gigabyte an Paketen heruntergeladen, die Tools enthalten, mit denen Sie Anwendungen für maschinelles Lernen mit GPU und einem tiefen neuronalen Netzwerk einsetzen können.
Schließlich müssen Sie den Paketmanager pip verwenden, um das TensorFlow-Paket zu installieren. Sie können auch conda verwenden, um Tensorflow zu installieren, aber es könnte sein, dass dort nicht die neueste stabile Version zur Verfügung steht.
Bevor Sie fortfahren, stellen Sie sicher, dass pip mit dem folgenden Befehl aktualisiert wurde:
pip install --upgrade pip
Sobald dies geschehen ist, installieren Sie TensorFlow mit:
pip install tensorflow

Sie werden feststellen, dass zahlreiche Pakete gebaut/installiert werden. Es könnte den Anschein haben, dass der Prozess stecken bleibt, aber nach einer Minute sollte er wieder aufgenommen und die Installation abgeschlossen werden.

#2. Verwendung von Conda und pip auf der WSL 2
Wenn Sie WSL 2 bereits auf Ihrem System eingerichtet haben, können Sie TensorFlow mit den folgenden Befehlen im Terminal der Distribution installieren:
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
python3 -m pip install tensorflow
# Überprüfen Sie die Installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Sie können alles auf einmal einfügen, und es wird nacheinander verarbeitet.
Falls Sie die WSL 2 unter Windows nicht installiert haben. Rufen Sie die Eingabeaufforderung mit Administratorrechten auf und geben Sie Folgendes ein:
wsl.exe --install
Damit sollte Ubuntu heruntergeladen und die WSL-Funktion für Ihr System aktiviert werden. Sie müssen Ihren PC neu starten, damit der Vorgang abgeschlossen werden kann.
Wenn Sie Ubuntu nicht auf Ihrem System finden, können Sie zum Microsoft Store navigieren und Ubuntu WSL installieren.

#3. Aus dem Quellcode erstellen
Da TensorFlow Open-Source ist, können Sie es mit Ihren Konfigurationsoptionen von Grund auf neu erstellen.
Dies ist daher für fortgeschrittene Benutzer zu empfehlen, die alle Optionen kennen und wissen, wie sie zu konfigurieren sind. Lesen Sie die offizielle Dokumentation, um mehr darüber zu erfahren.
Wie installiert man TensorFlow unter Linux?

Wie unter Windows können Sie TensorFlow mit Miniconda und pip unter Linux installieren. Oder Sie können es aus dem Quellcode bauen.
Ich zeige Ihnen, wie es gemacht wird:
#1. Verwendung von Miniconda und pip (empfohlene Methode)
Hinweis: Befolgen Sie die gleichen Befehle wie unter Windows. Der einzige Unterschied besteht darin, wie Sie Miniconda unter Linux installieren/herunterladen.
Hier sehen Sie, wie Sie Miniconda unter Linux mit dem Terminal installieren:
curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -o Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
Starten Sie das Terminal auf Ihrer Linux-Distribution neu, um etwas wie dieses zu finden:

Sie werden ein ( base) vor den Variablen der Terminal-Eingabeaufforderung bemerken. Dies zeigt an, dass conda derzeit aktiv und installiert ist.
Deaktivieren Sie es erst, wenn Sie mit der Installation von TensorFlow fertig sind.
Sie können zu den oben genannten Schritten für Windows navigieren und es installieren lassen. Oder fügen Sie das Folgende ein, um TensorFlow zu installieren:
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Unter Linux könnten Sie Probleme mit dem GPU-Treiber haben. Schauen Sie sich dazu die Dokumentation von NVIDIA an, um mehr zu erfahren.
#2. Vom Quellcode erstellen
Wie unter Windows ist auch unter Linux die Erstellung aus dem Quellcode schwierig und nur für fortgeschrittene Benutzer gedacht.
Sie (vorausgesetzt, Sie sind Anfänger) sollten sich nicht für diese Methode entscheiden, es sei denn, Sie haben etwas Bestimmtes im Sinn. Der beste Weg, mehr darüber zu erfahren, ist, die Dokumentation zu lesen.
Wie installiert man TensorFlow mit Docker? (Windows und Linux)
Unabhängig von der Plattform können Sie mit Docker TensorFlow-Images ohne Probleme installieren.
Stellen Sie sicher, dass Docker auf Ihrem System installiert ist, oder folgen Sie unserer Anleitung zur Docker-Installation, um Hilfe zu erhalten.
Sobald die Einrichtung abgeschlossen ist, müssen Sie den folgenden Befehl in Docker eingeben:
docker pull tensorflow/tensorflow
Sie benötigen Erfahrung mit Docker-Containern, um einen Container mit den für Ihre Arbeit erforderlichen Konfigurationen zu starten.
Für spezielle GPU-Unterstützung oder das Herunterladen einer anderen TensorFlow-Version beachten Sie bitte die in der offiziellen Dokumentation verfügbaren Optionen.
So sieht der Befehl aus, wenn Sie ihn mit Docker ausführen möchten:
docker run [-it] [--rm] [-p hostPort:containerPort] tensorflow/tensorflow[:tag] [command]
Häufige Fehler bei der Installation von TensorFlow
Zum Abschluss noch einige häufige Fehler, die bei der Installation von TensorFlow auftreten können:
- “ImportError: DLL-Laden fehlgeschlagen: Das angegebene Modul konnte nicht gefunden werden.“:
Dies bedeutet lediglich, dass CUDA nicht installiert ist.
- “AttributeError: Modul ‘tensorflow’ hat kein Attribut ‘Session’”:
Ihre TensorFlow-Installation ist beschädigt. Deinstallieren Sie TensorFlow und TensorFlow-GPU vollständig und installieren Sie dann TensorFlow-GPU neu.
- Das generische Problem, das wahrscheinlich mit Tensorboard zusammenhängt:
Tensorflow verwendet Tensorboard, das manchmal “launisch” sein kann. Es ist zwingend erforderlich, dass Sie Tensorboard in der gleichen Version wie TensorFlow haben und spätere Versionen deinstallieren.
- “ImportFehler: DLL-Laden fehlgeschlagen: Das angegebene Modul konnte nicht gefunden werden“:
Entweder wurde CUDA nicht installiert (verwenden Sie memcheck), oder die installierte Version von TensorFlow GPU ist nicht kompatibel. Die Lösung ist einfach: Deinstallieren Sie TensorFlow-GPU und installieren Sie eine ältere Version.
- “ImportError: Konnte ‘ cudart 64_10.dll’ nicht finden”:
Die installierte Version von CUDA ist nicht mit Ihrem Computer kompatibel. Der Fehler sagt Ihnen, dass Sie CUDA 10.0 in 64 Bit benötigen. Sie können also CUDA vollständig deinstallieren und dann die in der Konsole angegebene Version installieren. Denken Sie daran, die Umgebungsvariablen bei der Neuinstallation zu ändern
Fazit
Die Installation von TensorFlow ist eine einmalige Sache, und mit unserer Anleitung sollte sie für die meisten ein problemloser Prozess sein.
Wenn Sie bereits frühere Konfigurationen oder Einstellungen mit älteren Python-Versionen oder einem älteren Conda-Paketmanager hatten. Stellen Sie sicher, dass Sie die neuesten Updates anwenden, um TensorFlow nahtlos zu installieren.
Sie können auch die besten KI-Plattformen für die Entwicklung von KI- und ML-Anwendungen erkunden.