Jak zainstalować TensorFlow na CentOS

Zainstaluj TensorFlow za pomocą Pythona (pip) lub kontenera Docker

TensorFlow to platforma uczenia maszynowego firmy Google. Jest open source i ma ogromną liczbę narzędzi, bibliotek i innych zasobów opracowanych zarówno przez społeczność programistów, jak i Google i inne korporacje.

TensorFlow jest dostępny dla wszystkich popularnych systemów operacyjnych, a mianowicie. Windows, Mac OS, GNU/Linux. Można go pobrać i zainstalować z dowolnego indeksu pakietów Pythona za pomocą pipnarzędzia i można go uruchomić w wirtualnym środowisku Pythona. Innym sposobem wykorzystania go jest zainstalowanie go jako kontenera Dockera.

Zainstaluj TensorFlow za pomocą pip

pipto oficjalne narzędzie do zarządzania pakietami dla pakietów Pythona. Python i pip nie są domyślnie instalowane w CentOS.

Aby zainstalować pakiety, uruchom:

sudo dnf install python3

Za każdym razem, gdy instalacja poprosi o potwierdzenie pobrania itp., wprowadź, Ya następnie naciśnij Enterklawisz , aby kontynuować instalację. Pakiet python3zainstaluje zarówno Pythona 3, jak i Pip 3.

Zalecane jest uruchomienie TensorFlow w środowisku wirtualnym Pythona. Środowisko wirtualne umożliwia użytkownikowi uruchamianie wielu środowisk Pythona z różnymi wersjami wymaganych pakietów, odizolowanych od siebie, na tym samym komputerze. Ma to na celu upewnienie się, że programowanie wykonywane w jednym środowisku wirtualnym z określoną wersją pakietu nie wpływa na programowanie w innym środowisku.

Aby uruchomić wirtualne środowisko Python, musimy użyć modułu venv. Przede wszystkim utwórz i przejdź do katalogu projektu TensorFlow.

mkdir dev/tf
cd dev/tf

Aby utworzyć środowisko wirtualne w tym katalogu, uruchom:

python3 -m venv tf_venv

Spowoduje to utworzenie nowego katalogu, tf_venvktórym jest wirtualne środowisko Pythona. Zawiera minimalne wymagane pliki, a mianowicie. Plik wykonywalny Pythona, plik wykonywalny Pip i kilka innych wymaganych bibliotek.

Aby uruchomić środowisko wirtualne , uruchom:

source bin/ac

Spowoduje to zmianę nazwy monitu na tf_venv, tj. nazwę folderu środowiska wirtualnego.

Teraz zainstalujemy TensorFlow w tym wirtualnym środowisku. W przypadku TensorFlow minimalna wymagana pipwersja to 19. Aby zaktualizować pip do najnowszej wersji, uruchom:

pip install --upgrade pip

Jak widać powyżej, zainstalowano wersję 20.0.2 pip.

W podobny sposób zainstaluj pakiet TensorFlow.

pip install --upgrade tensorflow

Pakiet jest dość duży (~420 MB) i jego pobranie i zainstalowanie wraz z jego zależnościami może zająć trochę czasu.

Po zainstalowaniu możemy zweryfikować instalację TensorFlow za pomocą małego fragmentu kodu, aby sprawdzić wersję TensorFlow.

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

Aby wyjść ze środowiska wirtualnego, uruchom:

deactivate

Zainstaluj TensorFlow za pomocą kontenera Docker

Docker jest teraz dobrze znanym sposobem instalowania i uruchamiania programów w zwirtualizowanym środowisku zwanym Container. Jest to w pewien sposób podobne do wirtualnego środowiska Pythona, które widzieliśmy w poprzedniej metodzie. Jednak Docker ma znacznie szerszy zakres, a kontenery Dockera są całkowicie izolowane i mają własne konfiguracje, pakiety oprogramowania i biblioteki. Kontenery mogą komunikować się ze sobą kanałami.

Możemy zainstalować i uruchomić TensorFlow poprzez kontener Docker i uruchomić go w środowisku zwirtualizowanym. Deweloperzy TensorFlow utrzymują obraz kontenera Docker, który jest testowany w każdym wydaniu.

Przede wszystkim musimy zainstalować Docker na naszym systemie CentOS. W tym celu zapoznaj się z oficjalnym przewodnikiem instalacji platformy Docker dla CentOS .

Następnie, aby pobrać najnowszy obraz kontenera dla TensorFlow, uruchom:

docker pull tensorflow/tensorflow

Uwaga: jeśli Twój system ma dedykowaną jednostkę przetwarzania grafiki (GPU), możesz zamiast tego pobrać najnowszy obraz kontenera z obsługą GPU, korzystając z poniższego polecenia.

docker pull tensorflow/tensorflow:latest-gpu-jupyter

Twój system musi mieć zainstalowane odpowiednie sterowniki dla GPU, aby TensorFlow mógł wykorzystać możliwości GPU. Aby uzyskać więcej informacji na temat obsługi GPU dla TensorFlow, zapoznaj się z dokumentacją w repozytorium Github .

Aby uruchomić TensorFlow w kontenerze Docker, uruchom:

docker run -it --rm tensorflow/tensorflow python -c "import tensorflow jako tf; print(tf.__version__)"

Spróbujmy najpierw wyjaśnić, co oznacza każda część polecenia.

runto polecenie docker do uruchomienia kontenera. Flagi -itsą dostarczane, gdy chcemy uruchomić interaktywną powłokę (np. Bash, Python). --rmflaga o nazwie Clean Up jest określona, ​​aby system plików i dzienniki utworzone wewnętrznie przez platformę Docker dla uruchomienia kontenera były niszczone po zamknięciu kontenera. Ta flaga nie powinna być używana, jeśli dzienniki będą wymagane w przyszłości do celów debugowania. Ale w przypadku małych przebiegów na pierwszym planie, takich jak nasz, można go użyć.

W dalszej części podajemy nazwę naszego obrazu kontenera Docker, tj tensorflow/tensorflow. . Poniżej znajduje się program/polecenie/narzędzie, które chcemy uruchomić w kontenerze. Do naszych testów wywołujemy interpreter Pythona w kontenerze i przekazujemy mu kod, który wyświetla wersję TensorFlow.

Widzimy, że Docker drukuje jakiś dziennik podczas uruchamiania kontenera. Po uruchomieniu kontenera uruchamiany jest nasz kod Pythona i drukowana jest wersja TensorFlow (2.1.0).

Możemy również uruchomić interpreter Pythona jako powłokę, dzięki czemu będziemy mogli kontynuować uruchamianie wielu wierszy kodu TensorFlow.

Wniosek

W tym artykule zobaczyliśmy dwie metody instalacji TensorFlow na CentOS. Obie metody są przeznaczone do uruchamiania TensorFlow w środowisku zwirtualizowanym, co jest zalecanym podejściem podczas korzystania z TensorFlow.

Jeśli jesteś początkującym użytkownikiem TensorFlow, możesz zacząć od podstaw z oficjalnych samouczków TensorFlow .