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.