টেনসরফ্লো (TensorFlow) ইনস্টলেশন এবং সেটআপ প্রক্রিয়া বেশ সহজ, তবে এটি আপনার সিস্টেমের ধরনের ওপর নির্ভর করে কিছু পার্থক্য হতে পারে। সাধারণত, টেনসরফ্লো পাইথন পরিবেশে কাজ করে, তাই প্রথমে আপনাকে পাইথন ইনস্টল করতে হবে। এরপর, পিপ (pip) ব্যবহারের মাধ্যমে টেনসরফ্লো ইনস্টল করা হয়। এখানে টেনসরফ্লো ইনস্টলেশনের জন্য বিভিন্ন প্ল্যাটফর্মে সেটআপ প্রক্রিয়া তুলে ধরা হলো।
১. প্রয়োজনীয় সফটওয়্যার ইনস্টল করা
- পাইথন: টেনসরফ্লো চালানোর জন্য পাইথন 3.6 বা তার পরবর্তী সংস্করণ প্রয়োজন। আপনি অফিসিয়াল পাইথন সাইট থেকে পাইথন ডাউনলোড করতে পারেন: Python Downloads
- পিপ (pip): পাইথনের প্যাকেজ ম্যানেজার pip ইনস্টল করা থাকতে হবে, যা সাধারণত পাইথন ইনস্টলের সময় অটোমেটিক্যালি ইনস্টল হয়ে যায়।
২. ভার্চুয়াল এনভায়রনমেন্ট তৈরি করা (ঐচ্ছিক)
আপনি চাইলে টেনসরফ্লো ইনস্টল করার আগে একটি ভার্চুয়াল এনভায়রনমেন্ট তৈরি করতে পারেন যাতে আপনার সিস্টেমে অন্যান্য প্যাকেজের সঙ্গে কনফ্লিক্ট না হয়। এটি খুবই গুরুত্বপূর্ণ বিশেষ করে ডেভেলপমেন্টের সময়।
ভার্চুয়াল এনভায়রনমেন্ট তৈরি করুন:
python -m venv tensorflow_env- ভার্চুয়াল এনভায়রনমেন্ট অ্যাকটিভেট করুন:
উইন্ডোজ:
tensorflow_env\Scripts\activateম্যাক বা লিনাক্স:
source tensorflow_env/bin/activate
৩. টেনসরফ্লো ইনস্টল করা
টেনসরফ্লো ইনস্টল করার জন্য পাইথনের প্যাকেজ ম্যানেজার pip ব্যবহার করা হয়। কমান্ড প্রম্পট বা টার্মিনালে নিচের কমান্ডটি রান করুন:
pip install tensorflow
এটি টেনসরফ্লো এর সর্বশেষ স্টেবল সংস্করণ ইনস্টল করবে।
৪. জিপিইউ সংস্করণ ইনস্টল করা (ঐচ্ছিক)
যদি আপনার সিস্টেমে NVIDIA GPU থাকে এবং আপনি গতি বৃদ্ধি করতে চান, তবে টেনসরফ্লো GPU সংস্করণ ইনস্টল করতে পারেন। GPU সংস্করণ ইনস্টল করার জন্য আপনাকে CUDA ও cuDNN এর সঠিক সংস্করণ ইনস্টল করতে হবে। তবে, টেনসরফ্লো CPU সংস্করণ সাধারণত অধিকাংশ ক্ষেত্রে কাজ করে।
GPU সংস্করণ ইনস্টল করতে:
pip install tensorflow-gpu
৫. ইনস্টলেশন যাচাই করা
ইনস্টলেশন সফল হলে, টেনসরফ্লো সঠিকভাবে ইনস্টল হয়েছে কিনা তা যাচাই করতে নিচের কোডটি রান করুন:
import tensorflow as tf
print(tf.__version__)
এটি টেনসরফ্লো এর ভার্সন প্রিন্ট করবে, যা নিশ্চিত করবে যে ইনস্টলেশন সফল হয়েছে।
৬. সম্ভাব্য সমস্যা ও সমাধান
কর্মরত সিস্টেমের জন্য সঠিক পিপ সংস্করণ: যদি আপনার সিস্টেমে
pipউপযুক্ত সংস্করণ না থাকে, তবে এটি আপডেট করতে পারেন:python -m pip install --upgrade pip- CUDA ও cuDNN কনফিগারেশন: GPU সংস্করণ ব্যবহার করতে চাইলে, সঠিক CUDA ও cuDNN ড্রাইভার ইনস্টল করুন। গুগল টেনসরফ্লো ডকুমেন্টেশনে CUDA এবং cuDNN এর জন্য বিশেষ নির্দেশিকা দেওয়া হয়েছে।
সারাংশ
টেনসরফ্লো ইনস্টলেশন প্রক্রিয়া বেশ সহজ। আপনি চাইলে ভার্চুয়াল এনভায়রনমেন্ট তৈরি করতে পারেন যাতে আপনি নির্দিষ্ট প্রকল্পের জন্য টেনসরফ্লো সেটআপ করতে পারেন। একবার ইনস্টল হয়ে গেলে, আপনি মডেল তৈরি এবং প্রশিক্ষণের কাজ শুরু করতে পারবেন।
টেনসরফ্লো (TensorFlow) ইনস্টলেশন প্রক্রিয়া সহজ এবং দ্রুত হতে পারে, বিশেষ করে pip ব্যবহার করে। নিচে pip ব্যবহার করে টেনসরফ্লো ইনস্টল করার জন্য ধাপগুলো দেওয়া হল:
টেনসরফ্লো ইনস্টল করার ধাপ
- প্রথমে, আপনার সিস্টেমে Python এবং pip ইনস্টল থাকতে হবে।
Python এবং pip এর ভার্সন চেক করতে কমান্ড লাইনে নিচের কমান্ডগুলো রান করুন:
python --version pip --version- যদি Python অথবা pip ইনস্টল না থাকে, তাহলে Python ডাউনলোড এবং ইনস্টল করুন python.org থেকে এবং pip ইনস্টল করুন।
- ভার্চুয়াল এনভায়রনমেন্ট তৈরি করা (ঐচ্ছিক): টেনসরফ্লো ইনস্টল করার জন্য একটি ভার্চুয়াল এনভায়রনমেন্ট তৈরি করা ভালো অভ্যাস। এটি আপনার প্যাকেজগুলির ভার্সনগুলো আলাদা রাখবে এবং কোনো সংঘর্ষ হবে না।
ভার্চুয়াল এনভায়রনমেন্ট তৈরি করতে নিচের কমান্ডটি রান করুন:
python -m venv tensorflow_env- ভার্চুয়াল এনভায়রনমেন্ট অ্যাকটিভেট করুন:
Windows:
.\tensorflow_env\Scripts\activateMac/Linux:
source tensorflow_env/bin/activate
টেনসরফ্লো ইনস্টল করা: ভার্চুয়াল এনভায়রনমেন্ট সক্রিয় হলে, pip ব্যবহার করে টেনসরফ্লো ইনস্টল করুন:
pip install tensorflowইনস্টলেশন সফল কিনা তা যাচাই করা: টেনসরফ্লো ইনস্টল হয়ে গেলে, আপনি এটি যাচাই করতে Python শেল ওপেন করুন এবং নিচের কোডটি রান করুন:
import tensorflow as tf print(tf.__version__)এটি আপনার ইনস্টল করা টেনসরফ্লো সংস্করণ প্রদর্শন করবে, যেমন
2.12.0।
টেনসরফ্লো ২.x এবং ১.x সংস্করণের মধ্যে পার্থক্য
টেনসরফ্লো ২.x ইনস্টল করা হলে, এটি ডিফল্টভাবে Eager Execution চালু রাখে, যা ডিবাগিং এবং মডেল ট্রেনিং সহজ করে তোলে। আপনি যদি ১.x সংস্করণ ব্যবহার করতে চান, তবে নিচের কমান্ডটি ব্যবহার করুন:
pip install tensorflow==1.x
অন্যান্য গুরুত্বপূর্ণ টিপস
জিপিইউ সমর্থন সহ ইনস্টলেশন: যদি আপনার সিস্টেমে NVIDIA GPU থাকে এবং আপনি জিপিইউ সংস্করণ ব্যবহার করতে চান, তবে TensorFlow GPU ইনস্টল করতে হবে:
pip install tensorflow-gpu- সিস্টেমে জিপিইউ সাপোর্ট: জিপিইউ সমর্থন থাকতে হলে CUDA এবং cuDNN ইনস্টল করতে হবে। আপনি TensorFlow GPU ইনস্টলেশন গাইড থেকে বিস্তারিত পদক্ষেপ অনুসরণ করতে পারেন।
সারাংশ
এভাবে pip ব্যবহার করে আপনি সহজেই টেনসরফ্লো ইনস্টল করতে পারেন। ভার্চুয়াল এনভায়রনমেন্ট ব্যবহার করলে এটি আরও সুবিধাজনক এবং অন্যান্য প্যাকেজের সাথে সংঘর্ষ থেকে রক্ষা পাবে।
TensorFlow মডেল ট্রেনিং এবং ডেপ্লয়মেন্টের জন্য একটি শক্তিশালী লাইব্রেরি, এবং এর সঠিক ব্যবহারের জন্য একটি স্বতন্ত্র Python environment তৈরি করা গুরুত্বপূর্ণ। এতে বিভিন্ন ধরনের ডিপেন্ডেন্সি এবং লাইব্রেরি সহজে ম্যানেজ করা যায়, যা মডেল ট্রেনিংকে আরও কার্যকরী এবং সমস্যা মুক্ত করে।
নিচে TensorFlow ব্যবহার করার জন্য Python environment তৈরি করার ধাপগুলি দেওয়া হল:
Step-by-Step Guide: TensorFlow Python Environment Setup
1. Python এবং pip ইনস্টল করা
প্রথমেই নিশ্চিত করতে হবে যে আপনার সিস্টেমে Python এবং pip ইনস্টল করা আছে। আপনি যদি আগে থেকেই ইনস্টল করে থাকেন, তবে এগুলির ভার্সন চেক করতে নিচের কমান্ডগুলি রান করুন:
python --version
pip --version
যদি Python অথবা pip ইনস্টল না থাকে, তাহলে Python.org থেকে Python ইনস্টল করুন এবং pip ইনস্টল করুন।
2. Virtual Environment তৈরি করা (ঐচ্ছিক কিন্তু সুপারিশ করা হয়)
যেহেতু আপনি TensorFlow সহ বিভিন্ন লাইব্রেরি ইনস্টল করবেন, তাই virtual environment তৈরি করা ভালো অভ্যাস। এটি ডিপেন্ডেন্সি গুলিকে আলাদা করে রাখতে সাহায্য করে, যাতে অন্যান্য প্রোজেক্টগুলির সাথে কোনও কনফ্লিক্ট না হয়।
Virtual environment তৈরি করা:
আপনার প্রোজেক্ট ফোল্ডারে যান এবং নিচের কমান্ডটি রান করুন:
python -m venv tensorflow_env- ভার্চুয়াল এনভায়রনমেন্ট অ্যাকটিভেট করুন:
Windows:
.\tensorflow_env\Scripts\activateMac/Linux:
source tensorflow_env/bin/activate
এটি আপনার কমান্ড লাইন প্রম্পটে (tensorflow_env) দেখাবে, যা নির্দেশ করে আপনি ভার্চুয়াল এনভায়রনমেন্টে আছেন।
3. TensorFlow ইনস্টল করা
এখন ভার্চুয়াল এনভায়রনমেন্টে TensorFlow ইনস্টল করার জন্য pip ব্যবহার করুন:
pip install tensorflow
TensorFlow GPU সংস্করণ ইনস্টল করতে চাইলে:
pip install tensorflow-gpu
আপনার সিস্টেমে GPU সাপোর্ট থাকলে এটি GPU ব্যবহার করে মডেল ট্রেনিং করবে, যা পারফরম্যান্স বৃদ্ধি করবে।
4. TensorFlow ইনস্টলেশন যাচাই করা
টেনসরফ্লো ইনস্টল করা সফল হয়েছে কিনা তা যাচাই করতে Python শেল চালু করুন এবং নিচের কোডটি রান করুন:
import tensorflow as tf
print(tf.__version__)
এটি আপনার ইনস্টল করা TensorFlow এর ভার্সন প্রদর্শন করবে, যেমন 2.12.0 বা আপনার নির্দিষ্ট ভার্সন।
5. ডিপেন্ডেন্সি ম্যানেজমেন্ট
ভার্চুয়াল এনভায়রনমেন্টে আপনি TensorFlow এর পাশাপাশি অন্যান্য প্রয়োজনীয় লাইব্রেরিও ইনস্টল করতে পারেন, যেমন:
pip install numpy pandas matplotlib scikit-learn
এই লাইব্রেরিগুলি সাধারণত মেশিন লার্নিং এবং ডিপ লার্নিং প্রজেক্টের জন্য ব্যবহার হয়।
6. ইনস্টলেশন যাচাই (Optional)
ডিপ লার্নিং মডেল তৈরির জন্য আপনার GPU সাপোর্ট চেক করার জন্য:
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
এটি আপনার সিস্টেমে GPU সাপোর্ট আছে কিনা তা দেখাবে।
7. প্রোজেক্টের জন্য লাইব্রেরি ফ্রিজ করা (Optional)
প্রোজেক্টে ব্যবহৃত সমস্ত প্যাকেজের ভার্সন তালিকা তৈরির জন্য:
pip freeze > requirements.txt
এটি একটি requirements.txt ফাইল তৈরি করবে, যা পরবর্তীতে অন্য কারও জন্য প্রোজেক্ট সেটআপ সহজ করে দিবে।
Conclusion
এভাবে আপনি একটি Python environment তৈরি করে TensorFlow এবং অন্যান্য প্রয়োজনীয় লাইব্রেরি ইনস্টল করতে পারবেন। এটি আপনার প্রোজেক্টের জন্য পরিবেশ স্থির রাখবে এবং ডিপেন্ডেন্সি সমস্যা দূর করতে সাহায্য করবে।
টেনসরফ্লো (TensorFlow) ব্যবহার করার সময়, আপনি CPU এবং GPU উভয়েরই সুবিধা নিতে পারেন। টেনসরফ্লো CPU এবং GPU উভয়ের জন্য কনফিগারেশন সমর্থন করে, তবে GPU ব্যবহার করলে ডিপ লার্নিং মডেল ট্রেনিং দ্রুততর হয়। এখানে টেনসরফ্লোতে CPU এবং GPU কনফিগারেশন সম্পর্কে বিস্তারিত আলোচনা করা হলো:
CPU কনফিগারেশন
টেনসরফ্লো CPU-তে কাজ করার জন্য প্রাথমিকভাবে কনফিগার করা হয়। CPU কনফিগারেশন সাধারণত টেনসরফ্লো ইন্সটল করার সময় ডিফল্ট থাকে এবং এতে অতিরিক্ত কোন কনফিগারেশন করার প্রয়োজন পড়ে না।
টেনসরফ্লো ইনস্টলেশন: CPU এর জন্য টেনসরফ্লো ইনস্টল করতে, আপনার Python এবং pip কনফিগারেশন সঠিকভাবে করা থাকতে হবে। টেনসরফ্লো ইনস্টল করার জন্য নিচের কমান্ডটি ব্যবহার করতে পারেন:
pip install tensorflowCPU-তে টেনসরফ্লো কনফিগারেশন: যদি আপনি CPU ব্যবহার করতে চান এবং GPU না ব্যবহার করেন, তবে টেনসরফ্লো ডিফল্টভাবে CPU ব্যবহার করবে, এবং আপনি অতিরিক্ত কনফিগারেশন ছাড়াই এটি চালাতে পারবেন। তবে, আপনি মেমরি ব্যবহারের সীমাবদ্ধতা বা থ্রেড পরিচালনার জন্য কনফিগারেশন পরিবর্তন করতে পারেন।
উদাহরণস্বরূপ, যদি আপনি থ্রেড নিয়ন্ত্রণ করতে চান:
import tensorflow as tf from tensorflow.compat.v1 import ConfigProto from tensorflow.compat.v1 import InteractiveSession config = ConfigProto(intra_op_parallelism_threads=4, inter_op_parallelism_threads=4) session = InteractiveSession(config=config)
GPU কনফিগারেশন
যেহেতু ডিপ লার্নিং মডেল ট্রেনিং GPU ব্যবহার করলে দ্রুত হয়, টেনসরফ্লো GPU সমর্থন করে এবং এটি সঠিকভাবে কনফিগার করতে কিছু অতিরিক্ত পদক্ষেপ নিতে হয়।
প্রয়োজনীয় GPU লাইব্রেরি ইনস্টলেশন: GPU সমর্থন সক্ষম করতে, আপনার কম্পিউটারে CUDA এবং cuDNN ইনস্টল থাকতে হবে, যেগুলি NVIDIA GPUs এর জন্য ড্রাইভার এবং লাইব্রেরি।
- CUDA (Compute Unified Device Architecture): এটি NVIDIA GPUs এর জন্য একটি প্যারালাল কম্পিউটিং আর্কিটেকচার।
- cuDNN (CUDA Deep Neural Network Library): এটি CUDA ভিত্তিক ডিপ লার্নিং লাইব্রেরি, যা GPU দ্রুততর করার জন্য ব্যবহৃত হয়।
GPU সমর্থন সক্ষম করার জন্য টেনসরফ্লো ইনস্টল করার সময় আপনার সিস্টেমে সঠিক CUDA এবং cuDNN সংস্করণ থাকতে হবে।
টেনসরফ্লো GPU ইন্সটল করতে নিচের কমান্ডটি ব্যবহার করুন:
pip install tensorflow-gpu- CUDA এবং cuDNN ইনস্টলেশন:
- CUDA ইনস্টল করতে, NVIDIA CUDA Toolkit ডাউনলোড করুন এবং ইনস্টল করুন।
- cuDNN ইনস্টল করতে, NVIDIA cuDNN ডাউনলোড করুন এবং CUDA সংস্করণের সঙ্গে সঙ্গতিপূর্ণ সেটআপ করুন।
GPU কনফিগারেশন নিশ্চিতকরণ: টেনসরফ্লো GPU ব্যবহার করতে সক্ষম কি না তা পরীক্ষা করতে, নিম্নলিখিত কোডটি ব্যবহার করুন:
import tensorflow as tf print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))এটি আপনার সিস্টেমে উপলব্ধ GPU সংখ্যা প্রদর্শন করবে। যদি এটি 1 বা তার বেশি GPU দেখায়, তবে টেনসরফ্লো GPU ব্যবহার করতে প্রস্তুত।
GPU মেমরি ব্যবস্থাপনা: টেনসরফ্লো ডিফল্টভাবে GPU মেমরি পুরোপুরি ব্যবহার করার চেষ্টা করে। আপনি যদি GPU মেমরি ব্যবস্থাপনা কাস্টমাইজ করতে চান, তাহলে নীচের কোডটি ব্যবহার করতে পারেন:
gpus = tf.config.experimental.list_physical_devices('GPU') if gpus: try: # Only growth the memory as needed for gpu in gpus: tf.config.experimental.set_memory_growth(gpu, True) except RuntimeError as e: print(e)এই কোডটি GPU মেমরি ব্যবহার সীমাবদ্ধ করবে এবং শুধুমাত্র প্রয়োজন অনুযায়ী মেমরি বাড়াবে।
টেনসরফ্লো CPU এবং GPU পারফরম্যান্স তুলনা
- CPU সাধারণত কম পারফরম্যান্স প্রদান করে, তবে ছোট এবং মাঝারি আকারের মডেল ট্রেনিংয়ের জন্য এটি যথেষ্ট।
- GPU অনেক দ্রুত এবং বড় ডিপ লার্নিং মডেল প্রশিক্ষণের জন্য অত্যন্ত কার্যকরী। এটি বিশেষ করে কনভোলিউশনাল নিউরাল নেটওয়ার্ক (CNN), রিকরেন্ট নিউরাল নেটওয়ার্ক (RNN) ইত্যাদি জটিল মডেল ট্রেনিংয়ে ব্যাপকভাবে ব্যবহৃত হয়।
সারাংশ
টেনসরফ্লো CPU এবং GPU উভয় কনফিগারেশন সমর্থন করে এবং আপনি আপনার সিস্টেমের উপযোগ অনুযায়ী সেটআপ করতে পারেন। GPU ব্যবহার করলে মডেল ট্রেনিং আরও দ্রুত হবে, তবে সঠিক CUDA এবং cuDNN লাইব্রেরি ইনস্টলেশন এবং কনফিগারেশন প্রয়োজন।
Jupyter Notebook এবং Google Colab এ TensorFlow সেটআপ করার প্রক্রিয়া সহজ এবং সরল। এখানে দুইটি পরিবেশে টেনসরফ্লো সেটআপ করার স্টেপ বাই স্টেপ গাইড দেওয়া হল।
১. Jupyter Notebook এ TensorFlow সেটআপ
Jupyter Notebook এ TensorFlow সেটআপ করতে হলে প্রথমে আপনাকে কিছু প্যাকেজ ইনস্টল করতে হবে। নিচে সেটআপের স্টেপগুলো দেওয়া হল:
প্রথম ধাপ: Python এবং pip ইনস্টল করা
Jupyter Notebook চালানোর জন্য আপনার সিস্টেমে Python এবং pip ইনস্টল থাকতে হবে। Python 3.x ভার্সন এবং pip ইনস্টল থাকলেই চলবে।
দ্বিতীয় ধাপ: TensorFlow ইনস্টল করা
TensorFlow ইনস্টল করতে, আপনাকে কমান্ড লাইন বা টার্মিনালে নিচের কমান্ডটি রান করতে হবে:
pip install tensorflow
এটি TensorFlow এর সর্বশেষ ভার্সন ইনস্টল করবে।
তৃতীয় ধাপ: Jupyter Notebook চালানো
Jupyter Notebook চালাতে, আপনাকে প্রথমে Jupyter Notebook ইনস্টল করতে হবে। যদি এটি ইনস্টল না থাকে, তাহলে নিচের কমান্ডটি রান করুন:
pip install notebook
তারপর Jupyter Notebook চালাতে নিচের কমান্ডটি ব্যবহার করুন:
jupyter notebook
এটি আপনার ব্রাউজারে Jupyter Notebook খুলবে। এখন আপনি নতুন নোটবুক তৈরি করে TensorFlow ব্যবহার শুরু করতে পারবেন।
চতুর্থ ধাপ: TensorFlow কোড রান করা
Jupyter Notebook এ TensorFlow ব্যবহার করতে একটি নতুন সেল খুলে নিচের কোডটি রান করুন:
import tensorflow as tf
# Check TensorFlow version
print(tf.__version__)
# Create a simple TensorFlow constant
hello = tf.constant('Hello, TensorFlow!')
print(hello)
এই কোডটি TensorFlow এর সংস্করণ প্রিন্ট করবে এবং একটি সিম্পল টেনসর প্রদর্শন করবে।
২. Google Colab এ TensorFlow সেটআপ
Google Colab একটি ক্লাউড ভিত্তিক প্ল্যাটফর্ম, যেখানে আপনাকে কোন সফটওয়্যার ইনস্টল করতে হয় না, কারণ এটি সবার জন্য আগে থেকেই সেটআপ করা থাকে। এটি আপনার সিস্টেমে কোনও ভার্সন কনফ্লিক্টের চিন্তা ছাড়াই TensorFlow ব্যবহার করার জন্য একটি দুর্দান্ত পদ্ধতি।
প্রথম ধাপ: Google Colab এ TensorFlow ব্যবহারের জন্য প্রস্তুত হওয়া
Google Colab এ সরাসরি TensorFlow ব্যবহার করতে কোনও ইনস্টলেশনের প্রয়োজন হয় না। যখনই আপনি একটি নতুন নোটবুক তৈরি করবেন, TensorFlow ইতিমধ্যেই ইনস্টল করা থাকবে।
দ্বিতীয় ধাপ: TensorFlow কোড রান করা
Google Colab এ TensorFlow কোড চালানোর জন্য একটি নতুন সেল খুলে নিচের কোডটি রান করুন:
import tensorflow as tf
# Check TensorFlow version
print(tf.__version__)
# Create a simple TensorFlow constant
hello = tf.constant('Hello, TensorFlow!')
print(hello)
এই কোডটি TensorFlow এর সংস্করণ এবং একটি সিম্পল টেনসর দেখাবে।
যদি আপনি TensorFlow সংস্করণ আপডেট করতে চান:
Google Colab এ আপনি TensorFlow এর কোনো নতুন সংস্করণ ব্যবহার করতে চাইলে, টেনসরফ্লো ইনস্টল করার জন্য নিচের কমান্ডটি ব্যবহার করতে পারেন:
!pip install tensorflow --upgrade
এটি TensorFlow এর সর্বশেষ সংস্করণ ইনস্টল করবে।
সারাংশ
- Jupyter Notebook এ TensorFlow সেটআপ করতে, প্রথমে Python এবং pip ইনস্টল করতে হবে এবং তারপর
pip install tensorflowকমান্ডটি রান করতে হবে। - Google Colab এ TensorFlow সেটআপ করার কোনো প্রক্রিয়া প্রয়োজন নেই, কারণ এটি আগে থেকেই ইনস্টল করা থাকে এবং আপনি সরাসরি কোড চালাতে পারেন।
Read more
