Zainstaluj TensorFlow za pomocą Pythona (pip) lub kontenera Docker
TensorFlow to platforma uczenia maszynowego firmy Google. Jest open source i ma ogromną liczbę narzędzi, bibliotek i innych zasobów opracowanych zarówno przez społeczność programistów, jak i Google i inne korporacje.
TensorFlow jest dostępny dla wszystkich popularnych systemów operacyjnych, a mianowicie. Windows, Mac OS, GNU/Linux. Można go pobrać i zainstalować z dowolnego indeksu pakietów Pythona za pomocą pypeć
narzędzie i może być uruchamiany w wirtualnym środowisku Pythona. Innym sposobem wykorzystania go jest zainstalowanie go jako kontenera Dockera.
Zainstaluj TensorFlow za pomocą pypeć
pypeć
to oficjalne narzędzie do zarządzania pakietami dla pakietów Pythona. Python i pip nie są domyślnie instalowane w CentOS.
Żeby zainstalować pakiety, uruchom:
sudo dnf zainstaluj python3
Ilekroć instalacja poprosi o potwierdzenie pobrania itp., wpisz Y
a następnie naciśnij Wchodzić
aby kontynuować konfigurację. Paczka Python3
zainstaluje zarówno Pythona 3, jak i Pip 3.
Zalecane jest uruchomienie TensorFlow w środowisku wirtualnym Pythona. Środowisko wirtualne umożliwia użytkownikowi uruchamianie wielu środowisk Pythona z różnymi wersjami wymaganych pakietów, odizolowanych od siebie, na tym samym komputerze. Ma to na celu upewnienie się, że rozwój wykonywany w jednym środowisku wirtualnym z określoną wersją pakietu nie wpływa na rozwój w innym środowisku.
Aby uruchomić wirtualne środowisko Python, musimy użyć modułu venv
. Przede wszystkim utwórz i przejdź do katalogu projektu TensorFlow.
mkdir dev/tf cd dev/tf
Aby utworzyć środowisko wirtualne w tym katalogu, uruchom:
python3 -m venv tf_venv
Spowoduje to utworzenie nowego katalogu tf_venv
czyli wirtualne środowisko Pythona. Zawiera minimalne wymagane pliki, a mianowicie. Plik wykonywalny Pythona, plik wykonywalny Pip i kilka innych wymaganych bibliotek.
Aby uruchomić środowisko wirtualne, uruchomić:
kosz źródłowy/ac
Spowoduje to zmianę nazwy monitu na tf_venv
, czyli nazwa folderu środowiska wirtualnego.
Teraz zainstalujemy TensorFlow w tym wirtualnym środowisku. W przypadku TensorFlow wymagane minimum pypeć
wersja to 19. Aby zaktualizować pip do najnowszej wersji, uruchomić:
pip install --uaktualnij pip
Jak widać powyżej, zainstalowano wersję 20.0.2 pip.
W podobny sposób zainstaluj pakiet TensorFlow.
pip install --upgrade tensorflow
Pakiet jest dość duży (~420 MB) i jego pobranie i zainstalowanie wraz z jego zależnościami może zająć trochę czasu.
Po zainstalowaniu możemy zweryfikować instalację TensorFlow za pomocą małego fragmentu kodu, aby sprawdzić wersję TensorFlow.
python -c 'import tensorflow jako tf; print(tf.__wersja__)'
Aby wyjść ze środowiska wirtualnego, uruchom:
dezaktywować
Zainstaluj TensorFlow za pomocą kontenera Docker
Docker jest teraz dobrze znanym sposobem instalowania i uruchamiania programów w zwirtualizowanym środowisku zwanym Container. Jest to w pewien sposób podobne do wirtualnego środowiska Pythona, które widzieliśmy w poprzedniej metodzie. Jednak Docker ma znacznie szerszy zakres, a kontenery Dockera są całkowicie izolowane i mają własne konfiguracje, pakiety oprogramowania i biblioteki. Kontenery mogą komunikować się ze sobą kanałami.
Możemy zainstalować i uruchomić TensorFlow poprzez kontener Docker i uruchomić go w środowisku zwirtualizowanym. Deweloperzy TensorFlow utrzymują obraz kontenera Docker, który jest testowany w każdym wydaniu.
Przede wszystkim musimy zainstalować Docker na naszym systemie CentOS. W tym celu zapoznaj się z oficjalnym przewodnikiem instalacji platformy Docker dla CentOS.
Następnie, aby pobrać najnowszy obraz kontenera dla TensorFlow, uruchom:
docker pull tensorflow/tensorflow
Notatka: Jeśli Twój system ma dedykowaną jednostkę przetwarzania grafiki (GPU), możesz zamiast tego pobrać najnowszy obraz kontenera z obsługą GPU za pomocą poniższego polecenia.
docker pull tensorflow/tensorflow:latest-gpu-jupyter
Twój system musi mieć zainstalowane odpowiednie sterowniki dla GPU, aby TensorFlow mógł wykorzystać możliwości GPU. Aby uzyskać więcej informacji na temat obsługi GPU dla TensorFlow, zapoznaj się z dokumentacją w repozytorium Github.
Aby uruchomić TensorFlow w kontenerze Docker, uruchom:
docker run -it --rm tensorflow/tensorflow python -c "import tensorflow jako tf; print(tf.__version__)"
Spróbujmy najpierw wyjaśnić, co oznacza każda część polecenia.
uruchomić
to polecenie docker do uruchomienia kontenera. Flagi -to
są dostarczane, gdy chcemy uruchomić interaktywną powłokę (np. Bash, Python). --rm
flaga o nazwie Clean Up jest określona, aby system plików i dzienniki utworzone wewnętrznie przez platformę Docker dla uruchomienia kontenera były niszczone po zamknięciu kontenera. Ta flaga nie powinna być używana, jeśli dzienniki będą wymagane w przyszłości do celów debugowania. Ale w przypadku małych przebiegów na pierwszym planie, takich jak nasz, można go użyć.
W dalszej części podajemy nazwę naszego obrazu kontenera Docker, czyli tensorflow/tensorflow
. Poniżej znajduje się program/polecenie/narzędzie, które chcemy uruchomić w kontenerze. Do naszych testów wywołujemy interpreter Pythona w kontenerze i przekazujemy mu kod, który wyświetla wersję TensorFlow.
Widzimy, że Docker drukuje jakiś dziennik podczas uruchamiania kontenera. Po uruchomieniu kontenera uruchamiany jest nasz kod Pythona i drukowana jest wersja TensorFlow (2.1.0).
Możemy również uruchomić interpreter Pythona jako powłokę, dzięki czemu będziemy mogli kontynuować uruchamianie wielu wierszy kodu TensorFlow.
Wniosek
W tym artykule zobaczyliśmy dwie metody instalacji TensorFlow na CentOS. Obie metody są przeznaczone do uruchamiania TensorFlow w środowisku zwirtualizowanym, co jest zalecanym podejściem podczas korzystania z TensorFlow.
Jeśli jesteś początkującym użytkownikiem TensorFlow, możesz zacząć od podstaw z oficjalnych samouczków TensorFlow.