كيفية تعطيل SELinux على CentOS 8
SELinux (Linux المحسن للأمان) هو وحدة Linux kernel التي توفر خيارات لسياسات التحكم في الوصول الإلزامي (MAC). يأتي
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 pip
الأداة ويمكن تشغيله في بيئة Python افتراضية. هناك طريقة أخرى لاستخدامه وهي تثبيته كحاوية Docker.
قم بتثبيت TensorFlow باستخدام ملفات pip
pip
هي 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 Y
ثم اضغط على Enter
مفتاح لمتابعة الإعداد. python3
ستقوم 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_venv
وهو 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 pip
للإصدار 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.
run
هو أمر عامل الإرساء لبدء حاوية. -it
يتم توفير العلامات عندما نريد بدء غلاف تفاعلي (على سبيل المثال. Bash ، Python). --rm
يتم 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 .
أحيانًا يكون من الأفضل مغادرة الرصيف والإبحار بعيدًا!
طريقة سهلة لتغيير الدلائل في Linux من المحطة
تشرح لك هذه المقالة عملية إضافة مصادقة مفاتيح SSH على خادم Ubuntu 20.04 وتعطيل المصادقة المستندة إلى كلمة المرور.
تعرف على كيفية تحديث Firefox من Terminal على كمبيوتر Ubuntu Linux
الوصول بأمان إلى جهاز Ubuntu الخاص بك من أي مكان
التحقق من وجود ملف أو دليل من نص برمجي Bash
دليل سريع لتثبيت Google Chrome من سطر الأوامر على Ubuntu 20.04
Speedtest.net هي خدمة لاختبار سرعة اتصالك بالإنترنت. يستخدم خادم speedtest.net قريب للتنزيل
امنح امتيازات الجذر لأي مستخدم لديه sudo على Ubuntu 20.04 LTS
تحديث NodeJS باستخدام APT و NVM.