Keras и Tensorflow - два очень мощных пакета, доступ к которым обычно осуществляется через python. Поскольку пакеты были разработаны для python, у них может возникнуть иллюзия, что они недоступны для пользователей R. Однако это не так, поскольку пакеты Keras и Tensorflow могут быть настроены для использования в среде R. В этой статье подробно описан процесс установки, необходимый для запуска Keras и Tensorflow в среде R.

[Статья по теме: Что такое TensorFlow?]

Почему полезно знать, как использовать Tensorflow и Keras в R? Возможность сочетать надежность статистических возможностей R с мощью Tensorflow и Keras дает некоторые большие преимущества в проектах по науке о данных. Tensorflow - это фундамент, на котором работает Keras. Tensorflow выполняет большую часть тяжелой работы, в то время как Keras - это высокоуровневый API, который обращается к Tensorflow. Комбинация пакетов позволяет получить доступ ко многим передовым методам глубокого обучения и машинного обучения.

Первый шаг - установить python на ваш локальный компьютер. Я предпочитаю установить Anaconda Navigator, который позволяет вам управлять пакетами, средами и каналами python без использования командной строки. Перейдите на домашнюю страницу Anaconda Navigator и загрузите клиент на свой локальный компьютер. Напоминаем, что загрузка для этого включает в себя большое количество дополнительных пакетов, что означает, что размер загрузки немного велик.

После загрузки Anaconda Navigator вы можете открыть клиент. Должно открыться нечто подобное следующему:

Большим преимуществом Anaconda Navigator является то, что он упрощает доступ к средам, связанным с Python. Например, мы видим плитку для блокнотов jupyter на домашней странице. Чтобы запустить блокнот jupyter, нам просто нужно нажать кнопку запуска на плитке jupyter, и блокнот откроется в нашем браузере. Однако наша цель здесь - получить доступ к Tensorflow и Keras в R.

Теперь, когда на нашем компьютере установлен python, следующим шагом будет создание среды python, содержащей пакет TensorFlow. Мы создадим эту среду прямо из R, установив пакеты TensorFlow и keras в нашу среду R.

zinstall.packages («keras»)

библиотека (керас)

install_keras ()

Выполнение этих команд в R создаст среду Python под названием «r-reticulate». Что мы видим в нашем Anaconda Navigator.

Теперь мы можем запустить среду Python из сеанса R studio, используя следующие команды.

# запускать среду Python с использованием ретикуляра

reticulate :: use_condaenv («r-reticulate»)

require (keras)

require (tensorflow)

Теперь они доступны для использования в нашем R-сеансе. Это означает, что мы можем приступить к созданию фантастических моделей глубокого обучения, использующих передовые возможности этих пакетов.

[Статья по теме: Глубокое обучение в R с помощью Keras]

Оригинальный пост здесь.

Прочтите больше статей по науке о данных на OpenDataScience.com, включая учебные пособия и руководства от новичка до продвинутого уровня! Подпишитесь на нашу еженедельную рассылку здесь и получайте последние новости каждый четверг.