Hoe TensorFlow op CentOS te installeren

Installeer TensorFlow met Python (pip) of een Docker-container

TensorFlow is een machine learning-platform van Google. Het is open source en heeft een groot aantal tools, bibliotheken en andere bronnen die zijn ontwikkeld door zowel de ontwikkelaarsgemeenschap als Google en andere bedrijven.

TensorFlow is beschikbaar voor alle veelgebruikte besturingssystemen, nl. Windows, Mac OS, GNU/Linux. Het kan worden gedownload en geïnstalleerd vanuit de Python-pakketindex met behulp van de Pip tool en kan worden uitgevoerd in een virtuele python-omgeving. Een andere manier om het te gebruiken is om het te installeren als een Docker-container.

Installeer TensorFlow met behulp van Pip

Pip is het officiële hulpprogramma voor pakketbeheer voor Python-pakketten. Python en pip zijn standaard niet geïnstalleerd op CentOS.

Installeren de pakketten, voer uit:

sudo dnf installeer python3

Telkens wanneer de installatie om bevestiging van het downloaden, enz. vraagt, typt u ja en druk vervolgens op Binnenkomen toets om door te gaan met instellen. Het pakket python3 zal zowel Python 3 als Pip 3 installeren.

Het wordt aanbevolen om TensorFlow uit te voeren in een virtuele Python-omgeving. Een virtuele omgeving laat de gebruiker meerdere Python-omgevingen draaien, met verschillende versies van vereiste pakketten, geïsoleerd van elkaar, op dezelfde computer. Dit is om ervoor te zorgen dat de ontwikkeling binnen een virtuele omgeving met een specifieke versie van een pakket geen invloed heeft op de ontwikkeling in een andere omgeving.

Om de virtuele Python-omgeving uit te voeren, moeten we de module gebruiken venv. Maak en ga eerst naar uw TensorFlow-projectdirectory.

mkdir dev/tf cd dev/tf

Voer het volgende uit om een ​​virtuele omgeving in deze map te maken:

python3 -m venv tf_venv

Hiermee wordt een nieuwe map gemaakt tf_venv dat is de virtuele Python-omgeving. Het bevat de minimaal vereiste bestanden, nl. Python uitvoerbaar bestand, Pip uitvoerbaar bestand en enkele andere vereiste bibliotheken.

De virtuele omgeving starten, loop:

bron bin/ac

Dit zal de naam van de prompt veranderen in: tf_venv, d.w.z. de naam van de map met de virtuele omgeving.

Nu gaan we TensorFlow installeren in deze virtuele omgeving. Voor TensorFlow is het minimaal vereiste Pip versie is 19. Om pip te upgraden naar de nieuwste versie, loop:

pip install --upgrade pip

Zoals hierboven te zien is, is versie 20.0.2 van pip geïnstalleerd.

Installeer pakket TensorFlow op een vergelijkbare manier.

pip install --upgrade tensorflow

Het pakket is vrij groot (~ 420 MB) en het kan even duren voordat het is gedownload en geïnstalleerd, samen met de bijbehorende afhankelijkheden.

Eenmaal geïnstalleerd, kunnen we de TensorFlow-installatie verifiëren met een klein stukje code om de versie van TensorFlow te controleren.

python -c 'importeer tensorflow als tf; print(tf.__versie__)'

Voer het volgende uit om de virtuele omgeving te verlaten:

deactiveren

Installeer TensorFlow met Docker Container

Docker is nu een gevestigde manier om programma's te installeren en uit te voeren in een gevirtualiseerde omgeving genaamd Container. Het lijkt op een virtuele Python-omgeving die we in de vorige methode zagen. Docker is echter veel breder van opzet en Docker-containers zijn volledig geïsoleerd en hebben hun eigen configuraties, softwarebundels en bibliotheken. Via kanalen kunnen containers met elkaar communiceren.

We kunnen TensorFlow installeren en uitvoeren via een Docker-container en deze uitvoeren in een gevirtualiseerde omgeving. Ontwikkelaars van TensorFlow onderhouden een Docker Container-image die bij elke release wordt getest.

Allereerst moeten we Docker op ons CentOS-systeem installeren. Raadpleeg hiervoor de officiële Docker-installatiegids voor CentOS.

Voer vervolgens uit om de nieuwste container-image voor TensorFlow te downloaden:

docker pull tensorflow/tensorflow

Opmerking: Als uw systeem een ​​speciale grafische verwerkingseenheid (GPU) heeft, kunt u in plaats daarvan de nieuwste containerafbeelding downloaden met GPU-ondersteuning met behulp van de onderstaande opdracht.

docker pull tensorflow / tensorflow: nieuwste-gpu-jupyter

Op uw systeem moeten de juiste stuurprogramma's voor de GPU zijn geïnstalleerd, zodat de GPU-mogelijkheden door TensorFlow kunnen worden gebruikt. Raadpleeg de documentatie op de Github-repository voor meer informatie over GPU-ondersteuning voor TensorFlow.

Om TensorFlow in de Docker-container uit te voeren, voert u het volgende uit:

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

Laten we eerst proberen uit te leggen wat elk onderdeel van de opdracht betekent.

loop is het docker-commando om een ​​container te starten. de vlaggen -het worden geleverd wanneer we een interactieve shell willen starten (bijv. Bash, Python). --rm flag, genaamd Clean Up, is gespecificeerd zodat het bestandssysteem en de logboeken die intern door Docker zijn gemaakt voor de containerrun, worden vernietigd wanneer de container wordt afgesloten. Deze vlag mag niet worden gebruikt als logbestanden in de toekomst nodig zijn voor foutopsporing. Maar voor kleine voorgrondruns zoals de onze kan het worden gebruikt.

In het volgende deel specificeren we de naam van onze Docker-containerafbeelding, d.w.z. tensorflow/tensorflow. Daarna volgt het programma/de opdracht/het hulpprogramma dat we in de container willen uitvoeren. Voor onze tests roepen we de Python-interpreter in de container aan en geven deze de code door waarmee de versie van TensorFlow wordt afgedrukt.

We kunnen zien dat Docker een logboek afdrukt tijdens het starten van de container. Nadat de container is gestart, wordt onze Python-code uitgevoerd en wordt de TensorFlow-versie afgedrukt (2.1.0).

We kunnen de Python-interpreter ook als een shell starten, zodat we meerdere regels TensorFlow-code kunnen blijven uitvoeren.

Gevolgtrekking

In dit artikel zagen we twee methoden om TensorFlow op CentOS te installeren. Beide methoden zijn bedoeld om TensorFlow in een gevirtualiseerde omgeving uit te voeren, wat een aanbevolen benadering is bij het gebruik van TensorFlow.

Als je een beginner bent in TensorFlow, kun je beginnen met de basis van de officiële TensorFlow-tutorials.