Εγκαταστήστε το TensorFlow χρησιμοποιώντας Python (pip) ή ένα Docker Container
Το TensorFlow είναι μια πλατφόρμα μηχανικής εκμάθησης από την Google. Είναι ανοιχτού κώδικα και έχει έναν τεράστιο αριθμό εργαλείων, βιβλιοθηκών και άλλων πόρων που έχουν αναπτυχθεί τόσο από την κοινότητα προγραμματιστών του όσο και από την Google και άλλες εταιρείες.
Το TensorFlow είναι διαθέσιμο για όλα τα ευρέως χρησιμοποιούμενα λειτουργικά συστήματα, π.χ. Windows, Mac OS, GNU/Linux. Μπορεί να ληφθεί και να εγκατασταθεί από οποιοδήποτε Ευρετήριο Πακέτων Python χρησιμοποιώντας το κουκούτσι εργαλείο και μπορεί να εκτελεστεί σε ένα εικονικό περιβάλλον python. Ένας άλλος τρόπος να το χρησιμοποιήσετε είναι να το εγκαταστήσετε ως κοντέινερ Docker.
Εγκαταστήστε το TensorFlow χρησιμοποιώντας κουκούτσι
κουκούτσι είναι το επίσημο βοηθητικό πρόγραμμα διαχείρισης πακέτων για πακέτα Python. Η Python και το pip δεν είναι εγκατεστημένα στο CentOS από προεπιλογή.
Για εγκατάσταση τα πακέτα, τρέξτε:
sudo dnf εγκατάσταση python3Όποτε η εγκατάσταση ζητά επιβεβαίωση λήψης κ.λπ., εισάγετε Υ και μετά πατήστε Εισαγω πλήκτρο για να συνεχίσετε τη ρύθμιση. Το πακέτο python3 θα εγκαταστήσει την Python 3 καθώς και το Pip 3.
Συνιστάται η εκτέλεση του TensorFlow μέσα σε ένα εικονικό περιβάλλον Python. Ένα εικονικό περιβάλλον επιτρέπει στον χρήστη να εκτελεί πολλαπλά περιβάλλοντα Python, με διαφορετικές εκδόσεις απαιτούμενων πακέτων, απομονωμένα μεταξύ τους, στον ίδιο υπολογιστή. Αυτό γίνεται για να διασφαλιστεί ότι η ανάπτυξη που γίνεται μέσα σε ένα εικονικό περιβάλλον με μια συγκεκριμένη έκδοση ενός πακέτου δεν επηρεάζει την ανάπτυξη σε άλλο περιβάλλον.
Για να τρέξουμε το εικονικό περιβάλλον Python, πρέπει να χρησιμοποιήσουμε το module venv. Πρώτα απ 'όλα, δημιουργήστε και μεταβείτε στον κατάλογο του έργου TensorFlow.
mkdir dev/tf cd dev/tfΓια να δημιουργήσετε ένα εικονικό περιβάλλον σε αυτόν τον κατάλογο, εκτελέστε:
python3 -m venv tf_venvΑυτό θα δημιουργήσει έναν νέο κατάλογο tf_venv που είναι το εικονικό περιβάλλον Python. Περιέχει τα ελάχιστα απαιτούμενα αρχεία, π.χ. Εκτελέσιμο αρχείο Python, εκτελέσιμο αρχείο Pip και κάποιες άλλες απαιτούμενες βιβλιοθήκες.
Για να ξεκινήσετε το εικονικό περιβάλλον, τρέξιμο:
πηγή bin/acΑυτό θα αλλάξει το όνομα της προτροπής σε tf_venv, δηλαδή το όνομα του φακέλου εικονικού περιβάλλοντος.
Τώρα θα εγκαταστήσουμε το TensorFlow σε αυτό το εικονικό περιβάλλον. Για το TensorFlow, το ελάχιστο απαιτούμενο κουκούτσι η έκδοση είναι 19. Για να αναβαθμίσετε το pip στην πιο πρόσφατη έκδοση, τρέξιμο:
pip εγκατάσταση -- αναβάθμιση pip
Όπως φαίνεται παραπάνω, εγκαταστάθηκε η έκδοση 20.0.2 του pip.
Εγκαταστήστε το πακέτο TensorFlow με παρόμοιο τρόπο.
εγκατάσταση pip -- αναβάθμιση tensorflowΤο πακέτο είναι αρκετά μεγάλο σε μέγεθος (~420 MB) και μπορεί να χρειαστεί λίγος χρόνος για τη λήψη και την εγκατάσταση μαζί με τις εξαρτήσεις του.
Αφού εγκατασταθεί, μπορούμε να επαληθεύσουμε την εγκατάσταση του TensorFlow με ένα μικρό κομμάτι κώδικα για να ελέγξουμε την έκδοση του TensorFlow.
python -c 'εισαγωγή tensorflow ως tf; print(tf.__version__)"
Για έξοδο από το εικονικό περιβάλλον, εκτελέστε:
απενεργοποιήστε
Εγκαταστήστε το TensorFlow χρησιμοποιώντας το Docker Container
Το Docker είναι πλέον ένας καθιερωμένος τρόπος εγκατάστασης και εκτέλεσης προγραμμάτων σε ένα εικονικό περιβάλλον που ονομάζεται Container. Είναι κατά κάποιο τρόπο παρόμοιο με ένα εικονικό περιβάλλον Python που είδαμε στην προηγούμενη μέθοδο. Ωστόσο, το Docker είναι πολύ ευρύτερο σε εμβέλεια και τα κοντέινερ Docker είναι εντελώς απομονωμένα και έχουν τις δικές τους διαμορφώσεις, πακέτα λογισμικού και βιβλιοθήκες. Τα κοντέινερ μπορούν να επικοινωνούν μεταξύ τους μέσω καναλιών.
Μπορούμε να εγκαταστήσουμε και να εκτελέσουμε το TensorFlow μέσω ενός κοντέινερ Docker και να το εκτελέσουμε σε ένα εικονικό περιβάλλον. Οι προγραμματιστές του TensorFlow διατηρούν μια εικόνα Docker Container η οποία ελέγχεται με κάθε κυκλοφορία.
Πρώτα απ 'όλα, πρέπει να εγκαταστήσουμε το Docker στο σύστημά μας CentOS. Για αυτό, ανατρέξτε στον επίσημο οδηγό εγκατάστασης Docker για το CentOS.
Στη συνέχεια, για λήψη της πιο πρόσφατης εικόνας κοντέινερ για το TensorFlow, εκτελέστε:
docker pull tensorflow/tensorflow
Σημείωση: Εάν το σύστημά σας διαθέτει μια αποκλειστική μονάδα επεξεργασίας γραφικών (GPU), μπορείτε να κάνετε λήψη της πιο πρόσφατης εικόνας κοντέινερ με υποστήριξη GPU χρησιμοποιώντας την παρακάτω εντολή.
docker pull tensorflow/tensorflow:last-gpu-jupyterΤο σύστημά σας πρέπει να έχει εγκατεστημένα κατάλληλα προγράμματα οδήγησης για την GPU, έτσι ώστε οι δυνατότητες της GPU να μπορούν να χρησιμοποιηθούν από το TensorFlow. Για περισσότερες πληροφορίες σχετικά με την υποστήριξη GPU για το TensorFlow, ελέγξτε την τεκμηρίωση στο αποθετήριο Github.
Για να εκτελέσετε το TensorFlow στο κοντέινερ Docker, εκτελέστε:
docker run -it --rm tensorflow/tensorflow python -c "εισαγωγή tensorflow ως tf; print(tf.__version__)"
Ας προσπαθήσουμε πρώτα να αναλύσουμε τι σημαίνει κάθε μέρος της εντολής.
τρέξιμο είναι η εντολή docker για την εκκίνηση ενός κοντέινερ. Οι σημαίες -το παρέχονται όταν θέλουμε να ξεκινήσουμε ένα διαδραστικό κέλυφος (π.χ. Bash, Python). --ρμ Η σημαία, που ονομάζεται Clean Up, καθορίζεται έτσι ώστε το σύστημα αρχείων και τα αρχεία καταγραφής που δημιουργούνται εσωτερικά από το Docker για την εκτέλεση του κοντέινερ να καταστρέφονται κατά την έξοδο από το κοντέινερ. Αυτή η σημαία δεν πρέπει να χρησιμοποιείται εάν απαιτούνται αρχεία καταγραφής στο μέλλον για σκοπούς εντοπισμού σφαλμάτων. Αλλά για μικρές εκτελέσεις στο προσκήνιο όπως το δικό μας, μπορεί να χρησιμοποιηθεί.
Στο επόμενο μέρος, καθορίζουμε το όνομα της εικόνας του κοντέινερ Docker, δηλ. tensorflow/tensorflow. Στη συνέχεια ακολουθεί το πρόγραμμα/εντολή/το βοηθητικό πρόγραμμα που θέλουμε να τρέξουμε στο κοντέινερ. Για τη δοκιμή μας, επικαλούμαστε τον διερμηνέα Python στο κοντέινερ και του μεταβιβάζουμε τον κώδικα που εκτυπώνει την έκδοση του TensorFlow.
Μπορούμε να δούμε ότι ο Docker εκτυπώνει κάποιο αρχείο καταγραφής κατά την εκκίνηση του κοντέινερ. Μετά την εκκίνηση του κοντέινερ, εκτελείται ο κώδικας Python και εκτυπώνεται η έκδοση TensorFlow (2.1.0).
Μπορούμε επίσης να ξεκινήσουμε τον διερμηνέα Python ως κέλυφος, ώστε να συνεχίσουμε να εκτελούμε πολλές γραμμές κώδικα TensorFlow.
συμπέρασμα
Σε αυτό το άρθρο, είδαμε δύο μεθόδους εγκατάστασης του TensorFlow στο CentOS. Και οι δύο μέθοδοι προορίζονται για την εκτέλεση του TensorFlow σε εικονικό περιβάλλον, η οποία είναι μια προτεινόμενη προσέγγιση κατά τη χρήση του TensorFlow.
Εάν είστε αρχάριοι στο TensorFlow, μπορείτε να ξεκινήσετε με τα βασικά από τα επίσημα σεμινάρια του TensorFlow.