Pasang TensorFlow menggunakan Python (pip) atau Bekas Docker
TensorFlow ialah platform pembelajaran mesin oleh Google. Ia adalah sumber terbuka dan mempunyai sejumlah besar alatan, perpustakaan dan sumber lain yang dibangunkan oleh kedua-dua komuniti pembangunnya serta Google dan syarikat lain.
TensorFlow tersedia untuk semua sistem pengendalian yang popular digunakan, iaitu. Windows, Mac OS, GNU/Linux. Ia boleh dimuat turun dan dipasang dari sama ada Indeks Pakej Python menggunakan pip
alat dan boleh dijalankan dalam persekitaran python maya. Cara lain untuk menggunakannya ialah memasangnya sebagai bekas Docker.
Pasang TensorFlow menggunakan pip
pip
ialah utiliti pengurusan pakej rasmi untuk pakej Python. Python dan pip tidak dipasang pada CentOS secara lalai.
Untuk memasang pakej, jalankan:
sudo dnf pasang python3
Setiap kali pemasangan meminta pengesahan muat turun, dsb., masukkan Y
dan kemudian tekan Masuk
kunci untuk meneruskan persediaan. Pakej itu python3
akan memasang Python 3 serta Pip 3.
Adalah disyorkan untuk menjalankan TensorFlow dalam persekitaran maya Python. Persekitaran maya membolehkan pengguna menjalankan berbilang persekitaran Python, dengan versi pakej yang berbeza yang diperlukan, diasingkan antara satu sama lain, pada komputer yang sama. Ini adalah untuk memastikan pembangunan yang dilakukan dalam satu persekitaran maya dengan versi pakej tertentu tidak menjejaskan pembangunan dalam persekitaran lain.
Untuk menjalankan persekitaran maya Python, kita perlu menggunakan modul venv
. Pertama sekali, buat dan pergi ke direktori projek TensorFlow anda.
mkdir dev/tf cd dev/tf
Untuk mencipta persekitaran maya dalam direktori ini, jalankan:
python3 -m venv tf_venv
Ini akan mencipta direktori baharu tf_venv
iaitu persekitaran maya Python. Ia mengandungi fail minimum yang diperlukan, iaitu. Fail boleh laku Python, fail boleh laku Pip dan beberapa perpustakaan lain yang diperlukan.
Untuk memulakan persekitaran maya, jalankan:
tong sumber/ac
Ini akan menukar nama gesaan kepada tf_venv
, iaitu, nama folder persekitaran maya.
Sekarang kami akan memasang TensorFlow dalam persekitaran maya ini. Untuk TensorFlow, minimum yang diperlukan pip
versi ialah 19. Untuk menaik taraf pip kepada versi terkini, lari:
pip install --upgrade pip
Seperti yang dilihat di atas, versi 20.0.2 pip telah dipasang.
Pasang pakej TensorFlow dengan cara yang sama.
pip install --upgrade tensorflow
Pakej ini bersaiz agak besar (~420 MB) dan mungkin mengambil sedikit masa untuk memuat turun dan memasang bersama kebergantungannya.
Setelah dipasang, kami boleh mengesahkan pemasangan TensorFlow dengan sekeping kod kecil untuk menyemak versi TensorFlow.
python -c 'import aliran tensor sebagai tf; print(tf.__version__)'
Untuk keluar dari persekitaran maya, jalankan:
nyahaktifkan
Pasang TensorFlow menggunakan Docker Container
Docker kini merupakan cara yang mantap untuk memasang dan menjalankan program dalam persekitaran maya yang dipanggil Container. Ia adalah dalam cara yang serupa dengan persekitaran maya Python yang kita lihat dalam kaedah sebelumnya. Walau bagaimanapun, Docker jauh lebih luas dalam skop, dan bekas Docker diasingkan sepenuhnya dan mempunyai konfigurasi, himpunan perisian dan perpustakaan mereka sendiri. Bekas boleh berkomunikasi antara satu sama lain melalui saluran.
Kami boleh memasang dan menjalankan TensorFlow melalui bekas Docker dan menjalankannya dalam persekitaran maya. Pembangun TensorFlow mengekalkan imej Docker Container yang diuji dengan setiap keluaran.
Pertama sekali, kami perlu memasang Docker pada sistem CentOS kami. Untuk ini, rujuk panduan pemasangan Docker rasmi untuk CentOS.
Seterusnya, untuk memuat turun imej bekas terkini untuk TensorFlow, jalankan:
docker pull tensorflow/tensorflow
Nota: Jika sistem anda mempunyai Unit Pemprosesan Grafik (GPU) khusus, anda boleh memuat turun imej bekas terkini dengan sokongan GPU menggunakan arahan di bawah.
docker pull tensorflow/tensorflow:latest-gpu-jupyter
Sistem anda mesti mempunyai pemacu yang sesuai untuk GPU yang dipasang supaya keupayaan GPU boleh digunakan oleh TensorFlow. Untuk mendapatkan maklumat lanjut tentang sokongan GPU untuk TensorFlow, semak dokumentasi pada repositori Github.
Untuk menjalankan TensorFlow dalam bekas Docker, jalankan:
docker run -it --rm tensorflow/tensorflow python -c "import tensorflow sebagai tf; print(tf.__version__)"
Mari mula-mula cuba pecahkan maksud setiap bahagian perintah itu.
lari
ialah arahan docker untuk memulakan bekas. Bendera -ia
dibekalkan apabila kita ingin memulakan shell interaktif (Cth. Bash, Python). --rm
flag, dipanggil Clean Up, ditentukan supaya sistem fail dan log yang dibuat secara dalaman oleh Docker untuk larian kontena dimusnahkan apabila kontena keluar. Bendera ini tidak boleh digunakan jika log diperlukan pada masa hadapan untuk tujuan penyahpepijatan. Tetapi untuk larian latar depan kecil seperti kami, ia boleh digunakan.
Di bahagian seterusnya, kami menentukan nama imej kontena Docker kami, iaitu, aliran tensor/aliran tensor
. Berikutan itu ialah program/perintah/utiliti yang ingin kita jalankan dalam bekas. Untuk ujian kami, kami menggunakan penterjemah Python dalam bekas dan memberikannya kod yang mencetak versi TensorFlow.
Kita dapat melihat bahawa Docker sedang mencetak beberapa log semasa memulakan bekas. Selepas bekas bermula, kod Python kami berjalan dan versi TensorFlow dicetak (2.1.0).
Kita juga boleh memulakan penterjemah Python sebagai shell, supaya kita boleh terus menjalankan berbilang baris kod TensorFlow.
Kesimpulan
Dalam artikel ini, kami melihat dua kaedah untuk memasang TensorFlow pada CentOS. Kedua-dua kaedah bertujuan untuk menjalankan TensorFlow dalam persekitaran maya, yang merupakan pendekatan yang disyorkan semasa menggunakan TensorFlow.
Jika anda seorang pemula dalam TensorFlow, anda boleh bermula dengan asas daripada tutorial TensorFlow rasmi.