Paano Mag-install ng TensorFlow sa CentOS

I-install ang TensorFlow gamit ang Python (pip) o isang Docker Container

Ang TensorFlow ay isang machine learning platform ng Google. Ito ay open source at may malaking bilang ng mga tool, library at iba pang mapagkukunan na binuo ng parehong komunidad ng developer nito pati na rin ng Google at iba pang mga korporasyon.

Ang TensorFlow ay magagamit para sa lahat ng sikat na ginagamit na operating system, viz. Windows, Mac OS, GNU/Linux. Maaari itong ma-download at mai-install mula sa alinman sa Python Package Index gamit ang pip tool at maaaring patakbuhin sa isang virtual na kapaligiran ng python. Ang isa pang paraan upang magamit ito ay ang pag-install nito bilang isang lalagyan ng Docker.

I-install ang TensorFlow gamit ang pip

pip ay ang opisyal na utility sa pamamahala ng pakete para sa mga pakete ng Python. Ang Python at pip ay hindi naka-install sa CentOS bilang default.

Upang i-install ang mga pakete, tumakbo:

sudo dnf i-install ang python3

Sa tuwing ang pag-install ay humihingi ng kumpirmasyon ng pag-download, atbp., ipasok Y at pagkatapos ay pindutin ang Pumasok susi upang ipagpatuloy ang pag-setup. Ang pakete python3 ay mag-i-install ng Python 3 pati na rin ang Pip 3.

Inirerekomenda na patakbuhin ang TensorFlow sa loob ng isang virtual na kapaligiran ng Python. Ang isang virtual na kapaligiran ay nagbibigay-daan sa gumagamit na magpatakbo ng maraming mga kapaligiran sa Python, na may iba't ibang bersyon ng mga kinakailangang pakete, na nakahiwalay sa isa't isa, sa parehong computer. Ito ay upang matiyak na ang pag-develop na ginawa sa loob ng isang virtual na kapaligiran na may partikular na bersyon ng isang pakete ay hindi makakaapekto sa pag-develop sa ibang kapaligiran.

Upang patakbuhin ang virtual na kapaligiran ng Python, kailangan nating gamitin ang module venv. Una sa lahat, lumikha at pumunta sa iyong direktoryo ng proyekto ng TensorFlow.

mkdir dev/tf cd dev/tf

Upang lumikha ng isang virtual na kapaligiran sa direktoryong ito, patakbuhin ang:

python3 -m venv tf_venv

Ito ay lilikha ng bagong direktoryo tf_venv na kung saan ay ang Python virtual na kapaligiran. Naglalaman ito ng kaunting kinakailangang mga file, viz. Python executable file, Pip executable file at ilang iba pang kinakailangang library.

Upang simulan ang virtual na kapaligiran, tumakbo:

pinagmumulan ng bin/ac

Papalitan nito ang pangalan ng prompt sa tf_venv, ibig sabihin, ang pangalan ng virtual environment folder.

Ngayon ay i-install namin ang TensorFlow sa virtual na kapaligirang ito. Para sa TensorFlow, ang minimum na kinakailangan pip ang bersyon ay 19. Upang i-upgrade ang pip sa pinakabagong bersyon, tumakbo:

pip install --upgrade pip

Gaya ng nakikita sa itaas, na-install ang bersyon 20.0.2 ng pip.

I-install ang package TensorFlow sa katulad na paraan.

pip install --upgrade tensorflow

Ang package ay medyo malaki sa laki (~420 MB) at maaaring tumagal ng ilang oras upang ma-download at mai-install kasama ang mga dependency nito.

Kapag na-install na, maaari naming i-verify ang pag-install ng TensorFlow gamit ang isang maliit na piraso ng code upang suriin ang bersyon ng TensorFlow.

python -c 'mag-import ng tensorflow bilang tf; print(tf.__version__)'

Upang lumabas sa virtual na kapaligiran, patakbuhin ang:

i-deactivate

I-install ang TensorFlow gamit ang Docker Container

Ang Docker ay isa na ngayong mahusay na itinatag na paraan upang mag-install at magpatakbo ng mga programa sa isang virtualized na kapaligiran na tinatawag na Container. Ito ay sa paraang katulad ng isang Python virtual na kapaligiran na nakita natin sa nakaraang pamamaraan. Gayunpaman, mas malawak ang saklaw ng Docker, at ang mga container ng Docker ay ganap na nakahiwalay at may sariling mga pagsasaayos, mga bundle ng software at mga aklatan. Ang mga lalagyan ay maaaring makipag-usap sa isa't isa sa pamamagitan ng mga channel.

Maaari naming i-install at patakbuhin ang TensorFlow sa pamamagitan ng isang Docker container at patakbuhin ito sa isang virtualized na kapaligiran. Ang mga developer ng TensorFlow ay nagpapanatili ng imahe ng Docker Container na sinusuri sa bawat paglabas.

Una sa lahat, kailangan naming i-install ang Docker sa aming CentOS system. Para dito, sumangguni sa opisyal na gabay sa pag-install ng Docker para sa CentOS.

Susunod, upang i-download ang pinakabagong larawan ng lalagyan para sa TensorFlow, patakbuhin ang:

docker pull tensorflow/tensorflow

Tandaan: Kung ang iyong system ay may nakalaang Graphics Processing Unit (GPU), maaari mong i-download sa halip ang pinakabagong larawan ng container na may suporta sa GPU gamit ang command sa ibaba.

docker pull tensorflow/tensorflow:latest-gpu-jupyter

Dapat ay may naaangkop na mga driver ang iyong system para sa GPU na naka-install upang ang mga kakayahan ng GPU ay magamit ng TensorFlow. Para sa higit pang impormasyon sa suporta ng GPU para sa TensorFlow, tingnan ang dokumentasyon sa Github repository.

Upang patakbuhin ang TensorFlow sa lalagyan ng Docker, patakbuhin ang:

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

Subukan muna nating i-breakdown kung ano ang ibig sabihin ng bawat bahagi ng command.

tumakbo ay ang docker command para magsimula ng container. Ang mga bandila -ito ay ibinibigay kapag gusto naming magsimula ng isang interactive na shell (Hal. Bash, Python). --rm flag, na tinatawag na Clean Up, ay tinukoy upang ang file system at mga log na nilikha ng Docker para sa container run ay masira kapag lumabas ang container. Ang flag na ito ay hindi dapat gamitin kung ang mga log ay kinakailangan sa hinaharap para sa mga layunin ng pag-debug. Ngunit para sa maliliit na foreground run tulad ng sa amin, maaari itong gamitin.

Sa susunod na bahagi, tinukoy namin ang pangalan ng aming Docker container image, ibig sabihin, tensorflow/tensorflow. Kasunod nito ay ang programa/utos/utility na gusto naming patakbuhin sa lalagyan. Para sa aming pagsubok, ginagamit namin ang Python interpreter sa container at ipinapasa dito ang code na nagpi-print ng bersyon ng TensorFlow.

Makikita natin na nagpi-print si Docker ng ilang log habang sinisimulan ang container. Pagkatapos magsimula ng container, tatakbo ang aming Python code at ang TensorFlow na bersyon ay naka-print (2.1.0).

Maaari rin nating simulan ang Python interpreter bilang isang shell, para makapagpatuloy tayo sa pagpapatakbo ng maraming linya ng TensorFlow code.

Konklusyon

Sa artikulong ito, nakita namin ang dalawang paraan upang mai-install ang TensorFlow sa CentOS. Ang parehong mga pamamaraan ay sinadya para sa pagpapatakbo ng TensorFlow sa isang virtualized na kapaligiran, na isang inirerekomendang diskarte habang ginagamit ang TensorFlow.

Kung ikaw ay isang baguhan sa TensorFlow, maaari kang magsimula sa mga pangunahing kaalaman mula sa opisyal na mga tutorial sa TensorFlow.