Как установить TensorFlow на CentOS

Установите TensorFlow с помощью Python (pip) или контейнера Docker

TensorFlow - это платформа машинного обучения от Google. Это открытый исходный код и огромное количество инструментов, библиотек и других ресурсов, разработанных как сообществом разработчиков, так и Google и другими корпорациями.

TensorFlow доступен для всех широко используемых операционных систем, а именно. Windows, Mac OS, GNU / Linux. Его можно загрузить и установить из индекса пакетов Python с помощью пип инструмент и может быть запущен в виртуальной среде Python. Другой способ использовать его - установить как контейнер Docker.

Установите TensorFlow, используя пип

пип - официальная утилита управления пакетами для пакетов Python. Python и pip по умолчанию не устанавливаются в CentOS.

Установить пакеты, запустите:

sudo dnf установить python3

Когда при установке запрашивается подтверждение загрузки и т. Д., Введите Y а затем нажмите Входить нажмите кнопку, чтобы продолжить настройку. Пакет python3 установит Python 3, а также Pip 3.

Рекомендуется запускать TensorFlow внутри виртуальной среды Python. Виртуальная среда позволяет пользователю запускать несколько сред Python с разными версиями необходимых пакетов, изолированных друг от друга, на одном компьютере. Это сделано для того, чтобы убедиться, что разработка, выполняемая в одной виртуальной среде с определенной версией пакета, не влияет на разработку в другой среде.

Чтобы запустить виртуальную среду Python, нам нужно использовать модуль Venv. Прежде всего, создайте и перейдите в каталог вашего проекта TensorFlow.

mkdir dev / tf cd dev / tf

Чтобы создать виртуальную среду в этом каталоге, запустите:

python3 -m venv tf_venv

Это создаст новый каталог tf_venv что представляет собой виртуальную среду Python. Он содержит минимально необходимые файлы, а именно. Исполняемый файл Python, исполняемый файл Pip и некоторые другие необходимые библиотеки.

Чтобы запустить виртуальную среду, бегать:

исходный бункер / акр

Это изменит имя приглашения на tf_venv, то есть имя папки виртуальной среды.

Теперь мы установим TensorFlow в эту виртуальную среду. Для TensorFlow требуется минимум пип версия 19. Чтобы обновить pip до последней версии, бегать:

pip install --upgrade pip

Как видно выше, была установлена ​​версия 20.0.2 pip.

Аналогичным образом установите пакет TensorFlow.

pip install --upgrade tenorflow

Пакет довольно большой по размеру (~ 420 МБ), и на его загрузку и установку вместе с зависимостями может потребоваться некоторое время.

После установки мы можем проверить установку TensorFlow с помощью небольшого фрагмента кода, чтобы проверить версию TensorFlow.

python -c 'импортировать тензорный поток как tf; print (tf .__ версия__) '

Чтобы выйти из виртуальной среды, запустите:

деактивировать

Установите TensorFlow с помощью контейнера Docker

Docker - это теперь хорошо зарекомендовавший себя способ установки и запуска программ в виртуализированной среде, называемой Контейнером. Это похоже на виртуальную среду Python, которую мы видели в предыдущем методе. Однако Docker намного шире по своему охвату, и контейнеры Docker полностью изолированы и имеют свои собственные конфигурации, пакеты программного обеспечения и библиотеки. Контейнеры могут связываться друг с другом по каналам.

Мы можем установить и запустить TensorFlow через контейнер Docker и запустить его в виртуализированной среде. Разработчики TensorFlow поддерживают образ контейнера Docker, который тестируется с каждым выпуском.

Прежде всего, нам нужно установить Docker в нашу систему CentOS. Для этого обратитесь к официальному руководству по установке Docker для CentOS.

Затем, чтобы загрузить последний образ контейнера для TensorFlow, запустите:

Докер вытягивает тензорный поток / тензорный поток

Примечание: Если в вашей системе есть выделенный графический процессор (GPU), вы можете вместо этого загрузить последний образ контейнера. с поддержкой GPU используя команду ниже.

Докер вытягивает тензор потока / тензор потока: последний-gpu-jupyter

В вашей системе должны быть установлены соответствующие драйверы для графического процессора, чтобы возможности графического процессора могли использоваться TensorFlow. Для получения дополнительной информации о поддержке TensorFlow графическим процессором обратитесь к документации в репозитории Github.

Чтобы запустить TensorFlow в контейнере Docker, запустите:

docker run -it --rm tensorflow / tensorflow python -c "импортировать тензорный поток как tf; print (tf .__ version__)"

Давайте сначала попробуем разобрать, что означает каждая часть команды.

бегать это команда докера для запуска контейнера. Флаги -Это предоставляются, когда мы хотим запустить интерактивную оболочку (например, Bash, Python). --рм Флаг, называемый Clean Up, указывается так, чтобы файловая система и журналы, созданные внутри Docker для запуска контейнера, уничтожались при выходе из контейнера. Этот флаг не следует использовать, если журналы потребуются в будущем для целей отладки. Но для небольших прогонов на переднем плане, таких как наш, его можно использовать.

В следующей части мы указываем имя нашего образа контейнера Docker, т.е. тензорный поток / тензорный поток. Далее следует программа / команда / утилита, которую мы хотим запустить в контейнере. Для нашего тестирования мы вызываем интерпретатор Python в контейнере и передаем ему код, который печатает версию TensorFlow.

Мы видим, что Docker печатает какой-то журнал при запуске контейнера. После запуска контейнера запускается наш код Python и печатается версия TensorFlow (2.1.0).

Мы также можем запустить интерпретатор Python как оболочку, чтобы продолжить выполнение нескольких строк кода TensorFlow.

Вывод

В этой статье мы увидели два метода установки TensorFlow на CentOS. Оба метода предназначены для запуска TensorFlow в виртуализированной среде, что является рекомендуемым подходом при использовании TensorFlow.

Если вы новичок в TensorFlow, вы можете начать с основ из официальных руководств по TensorFlow.