Як встановити TensorFlow на CentOS

Встановіть TensorFlow за допомогою Python (pip) або контейнера Docker

TensorFlow — це платформа машинного навчання від Google. Він є відкритим вихідним кодом і має величезну кількість інструментів, бібліотек та інших ресурсів, розроблених як спільнотою розробників, так і Google та іншими корпораціями.

TensorFlow доступний для всіх популярних операційних систем, а саме. Windows, Mac OS, GNU/Linux. Його можна завантажити та встановити з будь-якого індексу пакетів Python за допомогою піп інструмент і можна запускати у віртуальному середовищі Python. Інший спосіб його використання - встановити його як контейнер Docker.

Встановіть TensorFlow за допомогою піп

піп є офіційною утилітою керування пакетами для пакетів Python. Python і pip не встановлюються в CentOS за замовчуванням.

Щоб встановити пакети, запустіть:

sudo dnf встановити python3

Щоразу, коли інсталяція запитує підтвердження завантаження тощо, введіть Ю а потім натисніть Введіть ключ, щоб продовжити налаштування. Пакунок python3 встановить Python 3, а також Pip 3.

Рекомендується запускати TensorFlow у віртуальному середовищі Python. Віртуальне середовище дозволяє користувачеві запускати кілька середовищ Python з різними версіями необхідних пакетів, ізольованих один від одного, на одному комп’ютері. Це потрібно для того, щоб переконатися, що розробка, виконана в одному віртуальному середовищі з конкретною версією пакета, не впливає на розробку в іншому середовищі.

Щоб запустити віртуальне середовище Python, нам потрібно використовувати модуль venv. Перш за все, створіть і перейдіть до каталогу вашого проекту TensorFlow.

mkdir dev/tf cd dev/tf

Щоб створити віртуальне середовище в цьому каталозі, запустіть:

python3 -m venv tf_venv

Це створить новий каталог tf_venv яке є віртуальним середовищем Python. Він містить мінімально необхідні файли, а саме. Виконуваний файл Python, виконуваний файл Pip та деякі інші необхідні бібліотеки.

Щоб запустити віртуальне середовище, запустити:

джерело bin/ac

Це змінить назву підказки на tf_venv, тобто ім’я папки віртуального середовища.

Тепер ми встановимо TensorFlow у цьому віртуальному середовищі. Для TensorFlow мінімально необхідний піп версія 19. Щоб оновити pip до останньої версії, запустити:

pip install --upgrade pip

Як показано вище, була встановлена ​​версія 20.0.2 pip.

Установіть пакет TensorFlow аналогічним чином.

pip install --upgrade tensorflow

Пакет досить великий за розміром (~420 МБ), і може знадобитися деякий час для завантаження та встановлення разом із залежностями.

Після встановлення ми можемо перевірити встановлення TensorFlow за допомогою невеликого фрагмента коду, щоб перевірити версію TensorFlow.

python -c 'імпортувати тензорний потік як tf; print(tf.__version__)'

Щоб вийти з віртуального середовища, запустіть:

деактивувати

Встановіть TensorFlow за допомогою контейнера Docker

Docker тепер є усталеним способом встановлення та запуску програм у віртуалізованому середовищі під назвою Container. Це схоже на віртуальне середовище Python, яке ми бачили в попередньому методі. Однак Docker набагато ширший за обсягом, а контейнери Docker повністю ізольовані і мають власні конфігурації, пакети програмного забезпечення та бібліотеки. Контейнери можуть спілкуватися один з одним через канали.

Ми можемо встановити і запустити TensorFlow через контейнер Docker і запустити його у віртуалізованому середовищі. Розробники TensorFlow підтримують образ Docker Container, який тестується з кожним випуском.

Перш за все, нам потрібно встановити Docker на нашу систему CentOS. Для цього зверніться до офіційного посібника зі встановлення Docker для CentOS.

Далі, щоб завантажити останнє зображення контейнера для TensorFlow, виконайте:

docker pull tensorflow/tensorflow

Примітка: Якщо у вашій системі є виділений графічний процесор (GPU), замість цього ви можете завантажити найновіший образ контейнера з підтримкою GPU за допомогою наведеної нижче команди.

docker pull tensorflow/tensorflow:latest-gpu-jupyter

У вашій системі повинні бути встановлені відповідні драйвери для графічного процесора, щоб можливості GPU могли використовуватися TensorFlow. Щоб отримати додаткову інформацію про підтримку графічного процесора для TensorFlow, перегляньте документацію в репозиторії Github.

Щоб запустити TensorFlow в контейнері Docker, виконайте:

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

Давайте спочатку спробуємо розібрати, що означає кожна частина команди.

бігти це команда докера для запуску контейнера. Прапори -це надаються, коли ми хочемо запустити інтерактивну оболонку (наприклад, Bash, Python). --rm прапорець, який називається Clean Up, вказується таким чином, щоб файлова система та журнали, створені внутрішньо Docker для запуску контейнера, знищувалися, коли контейнер виходить. Цей прапор не слід використовувати, якщо журнали знадобляться в майбутньому для цілей налагодження. Але для невеликих запусків переднього плану, як у нас, його можна використовувати.

У наступній частині ми вказуємо назву нашого образу контейнера Docker, тобто tensorflow/tensorflow. Далі йде програма/команда/утиліта, яку ми хочемо запустити в контейнері. Для нашого тестування ми викликаємо інтерпретатор Python в контейнері і передаємо йому код, який друкує версію TensorFlow.

Ми бачимо, що Docker друкує деякий журнал під час запуску контейнера. Після запуску контейнера запускається наш код Python і друкується версія TensorFlow (2.1.0).

Ми також можемо запустити інтерпретатор Python як оболонку, щоб ми могли продовжувати виконувати кілька рядків коду TensorFlow.

Висновок

У цій статті ми побачили два способи встановлення TensorFlow на CentOS. Обидва методи призначені для запуску TensorFlow у віртуалізованому середовищі, що є рекомендованим підходом під час використання TensorFlow.

Якщо ви новачок у TensorFlow, ви можете почати з основ з офіційних підручників TensorFlow.