Cài đặt TensorFlow bằng Python (pip) hoặc Docker Container
TensorFlow là một nền tảng máy học của Google. Nó là mã nguồn mở và có một số lượng lớn các công cụ, thư viện và các tài nguyên khác được phát triển bởi cả cộng đồng nhà phát triển cũng như Google và các tập đoàn khác.
TensorFlow có sẵn cho tất cả các hệ điều hành được sử dụng phổ biến, viz. Windows, Mac OS, GNU / Linux. Nó có thể được tải xuống và cài đặt từ Chỉ mục gói Python bằng cách sử dụng pip và có thể chạy trong môi trường python ảo. Một cách khác để sử dụng nó là cài đặt nó như một vùng chứa Docker.
Cài đặt TensorFlow bằng cách sử dụng pip
pip là tiện ích quản lý gói chính thức cho các gói Python. Python và pip không được cài đặt trên CentOS theo mặc định.
Để cài đặt các gói, chạy:
sudo dnf cài đặt python3Bất cứ khi nào cài đặt yêu cầu xác nhận tải xuống, v.v., hãy nhập Y và sau đó nhấn đi vào để tiếp tục thiết lập. Gói python3 sẽ cài đặt Python 3 cũng như Pip 3.
Bạn nên chạy TensorFlow bên trong môi trường ảo Python. Môi trường ảo cho phép người dùng chạy nhiều môi trường Python, với các phiên bản khác nhau của các gói bắt buộc, được cách ly với nhau, trên cùng một máy tính. Điều này là để đảm bảo rằng sự phát triển được thực hiện bên trong một môi trường ảo với một phiên bản cụ thể của một gói không ảnh hưởng đến sự phát triển trong một môi trường khác.
Để chạy môi trường ảo Python, chúng ta cần sử dụng mô-đun venv. Trước hết, hãy tạo và đi đến thư mục dự án TensorFlow của bạn.
mkdir dev / tf cd dev / tfĐể tạo một môi trường ảo trong thư mục này, hãy chạy:
python3 -m venv tf_venvĐiều này sẽ tạo một thư mục mới tf_venv là môi trường ảo Python. Nó chứa các tệp yêu cầu tối thiểu, viz. Tệp thực thi Python, tệp thực thi Pip và một số thư viện bắt buộc khác.
Để bắt đầu môi trường ảo, chạy:
nguồn bin / acĐiều này sẽ thay đổi tên của lời nhắc thành tf_venv, tức là tên của thư mục môi trường ảo.
Bây giờ chúng ta sẽ cài đặt TensorFlow trong môi trường ảo này. Đối với TensorFlow, yêu cầu tối thiểu pip phiên bản là 19. Để nâng cấp pip lên phiên bản mới nhất, chạy:
pip cài đặt - nâng cấp pip
Như đã thấy ở trên, phiên bản 20.0.2 của pip đã được cài đặt.
Cài đặt gói TensorFlow theo cách tương tự.
cài đặt pip - nâng cấp tensorflowGói có kích thước khá lớn (~ 420 MB) và có thể mất một chút thời gian để tải xuống và cài đặt cùng với các phụ thuộc của nó.
Sau khi cài đặt, chúng tôi có thể xác minh cài đặt TensorFlow bằng một đoạn mã nhỏ để kiểm tra phiên bản của TensorFlow.
python -c 'nhập tensorflow dưới dạng tf; print (tf .__ version__) '
Để thoát khỏi môi trường ảo, hãy chạy:
hủy kích hoạt
Cài đặt TensorFlow bằng Docker Container
Docker hiện là một cách được thiết lập tốt để cài đặt và chạy các chương trình trong một môi trường ảo hóa được gọi là Container. Nó theo cách tương tự như môi trường ảo Python mà chúng ta đã thấy trong phương pháp trước. Tuy nhiên, Docker có phạm vi rộng hơn nhiều và các vùng chứa Docker hoàn toàn bị cô lập và có cấu hình, gói phần mềm và thư viện riêng. Các container có thể liên lạc với nhau thông qua các kênh.
Chúng tôi có thể cài đặt và chạy TensorFlow thông qua vùng chứa Docker và chạy nó trong môi trường ảo hóa. Các nhà phát triển của TensorFlow duy trì hình ảnh Docker Container được thử nghiệm với mỗi bản phát hành.
Trước hết, chúng ta cần cài đặt Docker trên hệ thống CentOS của mình. Đối với điều này, hãy tham khảo hướng dẫn cài đặt Docker chính thức cho CentOS.
Tiếp theo, để tải xuống hình ảnh vùng chứa mới nhất cho TensorFlow, hãy chạy:
docker kéo tensorflow / tensorflow
Ghi chú: Nếu hệ thống của bạn có Bộ xử lý đồ họa (GPU) chuyên dụng, thay vào đó, bạn có thể tải xuống hình ảnh vùng chứa mới nhất với hỗ trợ GPU bằng cách sử dụng lệnh dưới đây.
docker pull tensorflow / tensorflow: new-gpu-jupyterHệ thống của bạn phải có trình điều khiển thích hợp cho GPU được cài đặt để TensorFlow có thể sử dụng các khả năng của GPU. Để biết thêm thông tin về hỗ trợ GPU cho TensorFlow, hãy kiểm tra tài liệu trên kho lưu trữ Github.
Để chạy TensorFlow trong vùng chứa Docker, hãy chạy:
docker run -it --rm tensorflow / tensorflow python -c "nhập tensorflow dưới dạng tf; print (tf .__ phiên bản__)"
Trước tiên, hãy thử phân tích ý nghĩa của từng phần của lệnh.
chạy là lệnh docker để bắt đầu một vùng chứa. Cờ -nó được cung cấp khi chúng ta muốn bắt đầu một trình bao tương tác (Ví dụ: Bash, Python). --rm cờ, được gọi là Clean Up, được chỉ định để hệ thống tệp và nhật ký do Docker tạo nội bộ cho vùng chứa chạy sẽ bị phá hủy khi vùng chứa thoát. Không nên sử dụng cờ này nếu trong tương lai cần có nhật ký cho mục đích gỡ lỗi. Nhưng đối với chạy tiền cảnh nhỏ như của chúng tôi, nó có thể được sử dụng.
Trong phần tiếp theo, chúng tôi chỉ định tên của hình ảnh vùng chứa Docker của chúng tôi, tức là tensorflow / tensorflow. Theo sau đó là chương trình / lệnh / tiện ích chúng ta muốn chạy trong vùng chứa. Đối với thử nghiệm của chúng tôi, chúng tôi đang gọi trình thông dịch Python trong vùng chứa và chuyển cho nó mã in phiên bản TensorFlow.
Chúng ta có thể thấy rằng Docker đang in một số nhật ký trong khi khởi động vùng chứa. Sau khi vùng chứa khởi động, mã Python của chúng tôi chạy và phiên bản TensorFlow được in (2.1.0).
Chúng tôi cũng có thể khởi động trình thông dịch Python dưới dạng trình bao để chúng tôi có thể tiếp tục chạy nhiều dòng mã TensorFlow.
Sự kết luận
Trong bài viết này, chúng ta đã thấy hai phương pháp để cài đặt TensorFlow trên CentOS. Cả hai phương pháp đều dùng để chạy TensorFlow trong môi trường ảo hóa, đây là cách tiếp cận được khuyến nghị khi sử dụng TensorFlow.
Nếu bạn là người mới bắt đầu với TensorFlow, bạn có thể bắt đầu với những điều cơ bản từ các hướng dẫn TensorFlow chính thức.