Инсталирайте TensorFlow с помощта на Python (pip) или Docker контейнер
TensorFlow е платформа за машинно обучение от Google. Той е с отворен код и има огромен брой инструменти, библиотеки и други ресурси, разработени както от неговата общност на разработчиците, така и от Google и други корпорации.
TensorFlow е наличен за всички популярно използвани операционни системи, т.е. Windows, Mac OS, GNU/Linux. Може да бъде изтеглен и инсталиран от Python Package Index с помощта на пип инструмент и може да се изпълнява във виртуална среда на Python. Друг начин да го използвате е да го инсталирате като Docker контейнер.
Инсталирайте TensorFlow с помощта на пип
пип е официалната помощна програма за управление на пакети за Python пакети. Python и pip не са инсталирани на CentOS по подразбиране.
Да инсталираш пакетите, стартирайте:
sudo dnf инсталирайте python3Всеки път, когато инсталацията поиска потвърждение за изтегляне и т.н., въведете Й и след това натиснете Въведете ключ, за да продължите настройката. Пакетът python3 ще инсталира Python 3, както и Pip 3.
Препоръчително е да стартирате TensorFlow във виртуална среда на Python. Виртуалната среда позволява на потребителя да изпълнява множество Python среди с различни версии на необходимите пакети, изолирани една от друга, на един и същ компютър. Това е, за да се гарантира, че разработката, извършена в една виртуална среда с конкретна версия на пакет, няма да повлияе на развитието в друга среда.
За да стартираме виртуалната среда на Python, трябва да използваме модула venv. Първо, създайте и отидете в директорията на вашия проект TensorFlow.
mkdir dev/tf cd dev/tfЗа да създадете виртуална среда в тази директория, изпълнете:
python3 -m venv tf_venvТова ще създаде нова директория tf_venv което е виртуалната среда на Python. Той съдържа минималните необходими файлове, т.е. Изпълним файл на Python, изпълним файл на Pip и някои други необходими библиотеки.
За да стартирате виртуалната среда, стартирайте:
източник bin/acТова ще промени името на подкана на tf_venv, т.е. името на папката на виртуалната среда.
Сега ще инсталираме TensorFlow в тази виртуална среда. За TensorFlow, необходимият минимум пип версията е 19. За да надстроите pip до най-новата версия, бягай:
pip install --upgrade pip
Както се вижда по-горе, беше инсталирана версия 20.0.2 на pip.
Инсталирайте пакета TensorFlow по подобен начин.
pip install --upgrade tensorflowПакетът е доста голям по размер (~420 MB) и може да отнеме известно време за изтегляне и инсталиране заедно с неговите зависимости.
Веднъж инсталиран, можем да проверим инсталацията на TensorFlow с малко парче код, за да проверим версията на TensorFlow.
python -c 'импортиране на тензорен поток като tf; print(tf.__version__)'
За да излезете от виртуалната среда, изпълнете:
деактивирайте
Инсталирайте TensorFlow с помощта на Docker Container
Docker вече е добре установен начин за инсталиране и стартиране на програми във виртуализирана среда, наречена Container. По начин е подобен на виртуална среда на Python, която видяхме в предишния метод. Въпреки това, Docker е много по-широк по обхват, а Docker контейнерите са напълно изолирани и имат свои собствени конфигурации, софтуерни пакети и библиотеки. Контейнерите могат да комуникират помежду си чрез канали.
Можем да инсталираме и стартираме TensorFlow през Docker контейнер и да го стартираме във виртуализирана среда. Разработчиците на TensorFlow поддържат изображение на Docker Container, което се тества с всяка версия.
На първо място, трябва да инсталираме Docker на нашата CentOS система. За това вижте официалното ръководство за инсталиране на Docker за CentOS.
След това, за да изтеглите най-новото изображение на контейнер за TensorFlow, изпълнете:
docker pull tensorflow/tensorflow
Забележка: Ако вашата система има специален графичен процесор (GPU), вместо това можете да изтеглите най-новото изображение на контейнера с поддръжка на GPU като използвате командата по-долу.
docker pull tensorflow/tensorflow:latest-gpu-jupyterВашата система трябва да има инсталирани подходящи драйвери за GPU, така че възможностите на GPU да могат да се използват от TensorFlow. За повече информация относно поддръжката на GPU за TensorFlow, вижте документацията в хранилището на Github.
За да стартирате TensorFlow в контейнера Docker, изпълнете:
docker run -it --rm tensorflow/tensorflow python -c "импортиране на tensorflow като tf; print(tf.__version__)"
Нека първо се опитаме да разбием какво означава всяка част от командата.
бягай е командата на docker за стартиране на контейнер. Знамената -то се предоставят, когато искаме да стартираме интерактивна обвивка (напр. Bash, Python). --rm флагът, наречен Clean Up, е посочен така, че файловата система и регистрационните файлове, създадени вътрешно от Docker за изпълнение на контейнера, се унищожават, когато контейнерът излезе. Този флаг не трябва да се използва, ако в бъдеще се изискват регистрационни файлове за целите на отстраняване на грешки. Но за малки изпълнения на преден план като нашите, може да се използва.
В следващата част указваме името на изображението на нашия Docker контейнер, т.е. тензорен поток/тензорен поток. След това е програмата/командата/помощната програма, която искаме да стартираме в контейнера. За нашето тестване ние извикваме интерпретатора на Python в контейнера и му предаваме кода, който отпечатва версията на TensorFlow.
Можем да видим, че Docker отпечатва някакъв дневник, докато стартира контейнера. След стартиране на контейнера, нашият Python код се изпълнява и версията TensorFlow се отпечатва (2.1.0).
Можем също да стартираме интерпретатора на Python като обвивка, така че да можем да продължим да изпълняваме няколко реда код на TensorFlow.
Заключение
В тази статия видяхме два метода за инсталиране на TensorFlow на CentOS. И двата метода са предназначени за изпълнение на TensorFlow във виртуализирана среда, което е препоръчителен подход при използване на TensorFlow.
Ако сте начинаещ в TensorFlow, можете да започнете с основите от официалните уроци по TensorFlow.