Debian’da TensorFlow ve PyTorch ile Yapay Zeka Sunucusu Kurulumu
Merhabalar Ben @Phobos Lojistik grup adına paylaşılan Debian’da TensorFlow ve PyTorch ile Yapay Zeka Sunucusu Kurulumu makalesinde sizi görmekten mutluyum.
Yapay zeka uygulamaları geliştirmek için güçlü ve esnek bir altyapıya ihtiyaç vardır. Debian, açık kaynaklı doğası, kararlılığı ve güvenliği sayesinde bu altyapının temellerini oluşturmak için ideal bir Linux dağıtımıdır. Bu yazıda Debian üzerinde TensorFlow ve PyTorch kurarak bir yapay zeka geliştirme sunucusunun nasıl kurulacağını adım adım öğreneceğiz.
Yapay zeka uygulamaları geliştirirken en sık kullanılan derin öğrenme kütüphanelerinden ikisi TensorFlow (Google) ve PyTorch (Meta/Facebook)‘tur. Debian sunucusu üzerine bu kütüphaneleri kurmak, hem yerel geliştirme hem de uzak eğitim ortamları için sağlam bir temel oluşturur.
Python 3, pip ve sanal ortam aracı için aşağıdaki paketleri kurun
Artık (ai-env) etiketiyle aktif bir sanal ortamdasınız.
GPU destekli kurulum (CUDA yapılandırılmışsa)
CUDA destekli GPU kurulumu (örnek: CUDA 11.8)
https://developer.nvidia.com/cuda-downloads
Jupyter Notebook'u başlatmak için
import tensorflow as tf
print("TensorFlow Version:", tf.version)
print("GPU Available:", tf.config.list_physical_devices('GPU'))
[/code]
import torch
print("PyTorch Version:", torch.version)
print("CUDA Available:", torch.cuda.is_available())
[/code]
Bu makalede Debian işletim sistemi üzerinde TensorFlow ve PyTorch kullanarak bir yapay zeka sunucusu kurmayı öğrendik. Hem CPU hem GPU destekli kurulumları ele alarak sisteminizin yapay zeka projeleri için hazır hale gelmesini sağladık.
Merhabalar Ben @Phobos Lojistik grup adına paylaşılan Debian’da TensorFlow ve PyTorch ile Yapay Zeka Sunucusu Kurulumu makalesinde sizi görmekten mutluyum.
Yapay zeka uygulamaları geliştirmek için güçlü ve esnek bir altyapıya ihtiyaç vardır. Debian, açık kaynaklı doğası, kararlılığı ve güvenliği sayesinde bu altyapının temellerini oluşturmak için ideal bir Linux dağıtımıdır. Bu yazıda Debian üzerinde TensorFlow ve PyTorch kurarak bir yapay zeka geliştirme sunucusunun nasıl kurulacağını adım adım öğreneceğiz.
Yapay zeka uygulamaları geliştirirken en sık kullanılan derin öğrenme kütüphanelerinden ikisi TensorFlow (Google) ve PyTorch (Meta/Facebook)‘tur. Debian sunucusu üzerine bu kütüphaneleri kurmak, hem yerel geliştirme hem de uzak eğitim ortamları için sağlam bir temel oluşturur.
Sistem Gereksinimleri
Aşağıdaki minimum sistem gereksinimlerini karşılamanız önerilir- İşletim Sistemi: Debian 11 (Bullseye) veya daha yenisi
- İşlemci: x86_64 mimarili 4 çekirdekli CPU (Intel veya AMD)
- RAM: En az 8 GB (16 GB önerilir)
- Depolama: En az 50 GB boş alan
- GPU (isteğe bağlı): NVIDIA CUDA destekli ekran kartı
Debian Sistemini Güncelleme
Öncelikle sistem paketlerini güncelleyin
Kod:
sudo apt update && sudo apt upgrade -yPython 3, pip ve sanal ortam aracı için aşağıdaki paketleri kurun
Kod:
sudo apt install python3 python3-pip python3-venv -ySanal Ortam Oluşturma
Projelerinizi izole tutmak için bir Python sanal ortamı oluşturmanız önerilir
Kod:
python3 -m venv ai-env
source ai-env/bin/activateArtık (ai-env) etiketiyle aktif bir sanal ortamdasınız.
TensorFlow Kurulumu
GPU kullanmıyorsanız, standart TensorFlow kurulumu
Kod:
pip install --upgrade pip
pip install tensorflowGPU destekli kurulum (CUDA yapılandırılmışsa)
Kod:
pip install tensorflow==2.14PyTorch Kurulumu
PyTorch kurulumu da oldukça basittir. CPU için
Kod:
pip install torch torchvision torchaudioCUDA destekli GPU kurulumu (örnek: CUDA 11.8)
Kod:
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118GPU Kullananlar İçin: NVIDIA CUDA + cuDNN Kurulumu
a) NVIDIA Sürücü Kurulumu
Kod:
sudo apt install nvidia-driver firmware-misc-nonfree -y
sudo rebootb) CUDA Toolkit Kurulumu
NVIDIA’nın resmi sitesinden uyumlu CUDA Toolkit sürümünü indirin ve kurun:https://developer.nvidia.com/cuda-downloads
c) Ortam Değişkenleri Tanımlama
Kod:
echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrcEk Python Kütüphaneleri
Makine öğrenmesi ve veri bilimi projelerinde sıkça kullanılan ek kütüphaneleri kurabilirsiniz
Kod:
pip install numpy pandas matplotlib scikit-learn jupyter notebookJupyter Notebook'u başlatmak için
Kod:
jupyter notebookKurulum Testleri
TensorFlow Testi
[code python]import tensorflow as tf
print("TensorFlow Version:", tf.version)
print("GPU Available:", tf.config.list_physical_devices('GPU'))
[/code]
PyTorch Testi
[code python]import torch
print("PyTorch Version:", torch.version)
print("CUDA Available:", torch.cuda.is_available())
[/code]
Güvenlik ve Uzak Erişim (Opsiyonel)
Uzak sunucularda çalışıyorsanız:- SSH anahtarları ile güvenli bağlantı sağlayın.
- Jupyter Notebook’u parola ile çalıştırın.
- ufw gibi bir güvenlik duvarı yapılandırın.
Bu makalede Debian işletim sistemi üzerinde TensorFlow ve PyTorch kullanarak bir yapay zeka sunucusu kurmayı öğrendik. Hem CPU hem GPU destekli kurulumları ele alarak sisteminizin yapay zeka projeleri için hazır hale gelmesini sağladık.
- Geliştirme ortamlarınızı Docker veya Conda ile container’lara almayı değerlendirin.
- Eğitim veri kümesi büyükse, disk alanınızı planlayın.
- Geliştirme sürecinde kaynak kullanımını izlemek için htop, nvidia-smi gibi araçları kullanın.
