كيفية تثبيت TensorFlow على CentOS

قم بتثبيت TensorFlow باستخدام Python (نقطة) أو Docker Container

TensorFlow عبارة عن نظام أساسي للتعلم الآلي من Google. إنه مفتوح المصدر ويحتوي على عدد كبير من الأدوات والمكتبات والموارد الأخرى التي طورها كل من مجتمع المطورين وكذلك Google والشركات الأخرى.

يتوفر TensorFlow لجميع أنظمة التشغيل الشائعة الاستخدام ، بمعنى. أنظمة التشغيل Windows و Mac OS و GNU / Linux. يمكن تنزيله وتثبيته من أي فهرس حزمة Python باستخدام pipالأداة ويمكن تشغيله في بيئة Python افتراضية. هناك طريقة أخرى لاستخدامه وهي تثبيته كحاوية Docker.

قم بتثبيت TensorFlow باستخدام ملفات pip

pipهي الأداة الرسمية لإدارة الحزم لحزم Python. لا يتم تثبيت Python و pip على CentOS افتراضيًا.

لتثبيت الحزم ، قم بتشغيل:

sudo dnf install python3

عندما يطلب التثبيت تأكيد التنزيل ، وما إلى ذلك ، أدخل Yثم اضغط على Enterمفتاح لمتابعة الإعداد. python3ستقوم الحزمة بتثبيت Python 3 بالإضافة إلى Pip 3.

يوصى بتشغيل TensorFlow داخل بيئة افتراضية Python. تتيح البيئة الافتراضية للمستخدم تشغيل بيئات Python متعددة ، بإصدارات مختلفة من الحزم المطلوبة ، معزولة عن بعضها البعض ، على نفس الكمبيوتر. هذا للتأكد من أن التطوير الذي يتم داخل بيئة افتراضية واحدة بإصدار معين من الحزمة لا يؤثر على التطوير في بيئة أخرى.

لتشغيل بيئة Python الافتراضية ، نحتاج إلى استخدام الوحدة النمطية venv. بادئ ذي بدء ، أنشئ وانتقل إلى دليل مشروع TensorFlow.

mkdir dev/tf
cd dev/tf

لإنشاء بيئة افتراضية في هذا الدليل ، قم بتشغيل:

python3 -m venv tf_venv

سيؤدي هذا إلى إنشاء دليل جديد tf_venvوهو بيئة Python الافتراضية. يحتوي على الحد الأدنى من الملفات المطلوبة ، بمعنى. ملف Python القابل للتنفيذ وملف Pip القابل للتنفيذ وبعض المكتبات الأخرى المطلوبة.

لبدء البيئة الافتراضية ، قم بتشغيل:

source bin/ac

سيؤدي هذا إلى تغيير اسم الموجه إلى tf_venv، على سبيل المثال ، اسم مجلد البيئة الافتراضية.

سنقوم الآن بتثبيت TensorFlow في هذه البيئة الافتراضية. بالنسبة إلى TensorFlow ، الحد الأدنى pipللإصدار المطلوب هو 19. لترقية النقطة إلى أحدث إصدار ، قم بتشغيل:

pip install --upgrade pip

كما رأينا أعلاه ، تم تثبيت الإصدار 20.0.2 من النقطة.

قم بتثبيت حزمة TensorFlow بطريقة مماثلة.

pip install --upgrade tensorflow

الحزمة كبيرة الحجم (~ 420 ميجابايت) وقد تستغرق بعض الوقت لتنزيلها وتثبيتها مع تبعياتها.

بمجرد التثبيت ، يمكننا التحقق من تثبيت TensorFlow بقطعة صغيرة من التعليمات البرمجية للتحقق من إصدار TensorFlow.

python -c 'import tensorflow as tf; print(tf.__version__)'

للخروج من البيئة الافتراضية ، قم بتشغيل:

deactivate

قم بتثبيت TensorFlow باستخدام Docker Container

يعد Docker الآن طريقة جيدة لتثبيت البرامج وتشغيلها في بيئة افتراضية تسمى Container. إنه يشبه إلى حد ما بيئة Python الافتراضية التي رأيناها في الطريقة السابقة. ومع ذلك ، فإن Docker أوسع نطاقًا ، وحاويات Docker معزولة تمامًا ولها تكويناتها وحزم برامجها ومكتباتها. يمكن للحاويات التواصل مع بعضها البعض من خلال القنوات.

يمكننا تثبيت TensorFlow وتشغيله من خلال حاوية Docker وتشغيله في بيئة افتراضية. يحتفظ مطورو TensorFlow بصورة Docker Container والتي يتم اختبارها مع كل إصدار.

بادئ ذي بدء ، نحتاج إلى تثبيت Docker على نظام CentOS الخاص بنا. لهذا الغرض ، راجع دليل تثبيت Docker الرسمي لنظام CentOS .

بعد ذلك ، لتنزيل أحدث صورة حاوية لـ TensorFlow ، قم بتشغيل:

docker pull tensorflow/tensorflow

ملاحظة: إذا كان النظام الخاص بك يحتوي على وحدة معالجة رسومات مخصصة (GPU) ، فيمكنك بدلاً من ذلك تنزيل أحدث صورة حاوية بدعم GPU باستخدام الأمر أدناه.

docker pull tensorflow/tensorflow:latest-gpu-jupyter

يجب أن يحتوي نظامك على برامج تشغيل مناسبة لوحدة معالجة الرسومات المثبتة بحيث يمكن استخدام إمكانات وحدة معالجة الرسومات بواسطة TensorFlow. لمزيد من المعلومات حول دعم GPU لـ TensorFlow ، تحقق من الوثائق الموجودة في مستودع Github .

لتشغيل TensorFlow في حاوية Docker ، قم بتشغيل:

docker run -it --rm tensorflow / tensorflow python -c "استيراد tensorflow مثل tf ؛ print (tf .__ version__)"

دعنا أولاً نحاول تفصيل ما يعنيه كل جزء من الأمر.

runهو أمر عامل الإرساء لبدء حاوية. -itيتم توفير العلامات عندما نريد بدء غلاف تفاعلي (على سبيل المثال. Bash ، Python). --rmيتم تحديد علامة ، تسمى Clean Up ، بحيث يتم إتلاف نظام الملفات والسجلات التي تم إنشاؤها داخليًا بواسطة Docker لتشغيل الحاوية عند خروج الحاوية. لا ينبغي استخدام هذه العلامة إذا كانت السجلات مطلوبة في المستقبل لأغراض التصحيح. ولكن بالنسبة لعمليات التشغيل الصغيرة في المقدمة مثلنا ، يمكن استخدامها.

في الجزء التالي ، نحدد اسم صورة حاوية Docker ، أي tensorflow/tensorflow. يلي ذلك البرنامج / الأمر / الأداة التي نريد تشغيلها في الحاوية. من أجل اختبارنا ، نستدعي مترجم Python في الحاوية ونمرره الكود الذي يطبع نسخة من TensorFlow.

يمكننا أن نرى أن Docker يقوم بطباعة بعض السجلات أثناء بدء الحاوية. بعد بدء تشغيل الحاوية ، يتم تشغيل كود Python الخاص بنا ويتم طباعة إصدار TensorFlow (2.1.0).

يمكننا أيضًا بدء تشغيل مترجم Python كصدفة ، حتى نتمكن من الاستمرار في تشغيل أسطر متعددة من كود TensorFlow.

استنتاج

في هذه المقالة ، رأينا طريقتين لتثبيت TensorFlow على CentOS. كلتا الطريقتين مخصصتان لتشغيل TensorFlow في بيئة افتراضية ، وهو نهج موصى به أثناء استخدام TensorFlow.

إذا كنت مبتدئًا في TensorFlow ، يمكنك البدء بالأساسيات من دروس TensorFlow الرسمية .