Hvordan installere TensorFlow på CentOS

Installer TensorFlow med Python (pip) eller en Docker Container

TensorFlow er en maskinlæringsplattform fra Google. Det er åpen kildekode og har et stort antall verktøy, biblioteker og andre ressurser utviklet av både utviklerfellesskapet så vel som Google og andre selskaper.

TensorFlow er tilgjengelig for alle de populært brukte operativsystemene, dvs. Windows, Mac OS, GNU/Linux. Den kan lastes ned og installeres fra enten Python Package Index ved å bruke pip verktøyet og kan kjøres i et virtuelt pythonmiljø. En annen måte å bruke den på er å installere den som en Docker-beholder.

Installer TensorFlow vha pip

pip er det offisielle pakkehåndteringsverktøyet for Python-pakker. Python og pip er ikke installert på CentOS som standard.

Å installere pakkene, kjør:

sudo dnf installer python3

Når installasjonen ber om bekreftelse på nedlasting osv., skriv inn Y og trykk deretter Tast inn tasten for å fortsette oppsettet. Pakken python3 vil installere Python 3 så vel som Pip 3.

Det anbefales å kjøre TensorFlow i et virtuelt Python-miljø. Et virtuelt miljø lar brukeren kjøre flere Python-miljøer, med forskjellige versjoner av nødvendige pakker, isolert fra hverandre, på samme datamaskin. Dette er for å sikre at utviklingen som gjøres i ett virtuelt miljø med en spesifikk versjon av en pakke, ikke påvirker utviklingen i et annet miljø.

For å kjøre det virtuelle Python-miljøet, må vi bruke modulen venv. Først av alt, opprett og gå til TensorFlow-prosjektkatalogen.

mkdir dev/tf cd dev/tf

For å lage et virtuelt miljø i denne katalogen, kjør:

python3 -m venv tf_venv

Dette vil opprette en ny katalog tf_venv som er det virtuelle Python-miljøet. Den inneholder de minimale nødvendige filene, nemlig. Python kjørbar fil, Pip kjørbar fil og noen andre nødvendige biblioteker.

For å starte det virtuelle miljøet, løpe:

kilde bin/ac

Dette vil endre navnet på ledeteksten til tf_venv, dvs. navnet på mappen for det virtuelle miljøet.

Nå skal vi installere TensorFlow i dette virtuelle miljøet. For TensorFlow, minimum som kreves pip versjonen er 19. For å oppgradere pip til siste versjon, løpe:

pip install --oppgrader pip

Som vist ovenfor, ble versjon 20.0.2 av pip installert.

Installer pakken TensorFlow på lignende måte.

pip install -- oppgrader tensorflow

Pakken er ganske stor i størrelse (~420 MB) og kan ta litt tid å laste ned og installere sammen med dens avhengigheter.

Når den er installert, kan vi verifisere TensorFlow-installasjonen med en liten kodebit for å sjekke versjonen av TensorFlow.

python -c 'importer tensorflow som tf; print(tf.__versjon__)'

For å avslutte det virtuelle miljøet, kjør:

deaktivere

Installer TensorFlow med Docker Container

Docker er nå en veletablert måte å installere og kjøre programmer i et virtualisert miljø kalt Container. Det ligner på en måte et Python-virtuelt miljø som vi så i forrige metode. Docker er imidlertid mye bredere i omfang, og Docker-beholdere er fullstendig isolerte og har sine egne konfigurasjoner, programvarepakker og biblioteker. Containere kan kommunisere med hverandre gjennom kanaler.

Vi kan installere og kjøre TensorFlow gjennom en Docker-beholder og kjøre den i et virtualisert miljø. Utviklere av TensorFlow opprettholder et Docker Container-bilde som testes med hver utgivelse.

Først av alt må vi installere Docker på CentOS-systemet vårt. For dette, se den offisielle Docker-installasjonsveiledningen for CentOS.

Deretter, for å laste ned det siste beholderbildet for TensorFlow, kjør:

docker pull tensorflow/tensorflow

Merk: Hvis systemet ditt har en dedikert Graphics Processing Unit (GPU), kan du i stedet laste ned det nyeste beholderbildet med GPU-støtte ved å bruke kommandoen nedenfor.

docker pull tensorflow/tensorflow: siste-gpu-jupyter

Systemet ditt må ha passende drivere for GPU installert slik at GPU-funksjonene kan brukes av TensorFlow. For mer informasjon om GPU-støtte for TensorFlow, sjekk dokumentasjonen på Github-depotet.

For å kjøre TensorFlow i Docker-beholderen, kjør:

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

La oss først prøve å dele opp hva hver del av kommandoen betyr.

løpe er docker-kommandoen for å starte en container. Flaggene -den leveres når vi ønsker å starte et interaktivt skall (f.eks. Bash, Python). --rm flagget, kalt Clean Up, er spesifisert slik at filsystemet og loggene opprettet internt av Docker for containerkjøringen blir ødelagt når containeren avsluttes. Dette flagget skal ikke brukes hvis logger kreves i fremtiden for feilsøkingsformål. Men til små forgrunnsløp som vårt kan den brukes.

I neste del spesifiserer vi navnet på Docker-beholderbildet vårt, dvs. tensorflow/tensorflow. Etter det er programmet/kommandoen/verktøyet vi ønsker å kjøre i beholderen. For vår testing påkaller vi Python-tolken i beholderen og sender den koden som skriver ut versjonen av TensorFlow.

Vi kan se at Docker skriver ut en logg mens du starter beholderen. Etter at beholderen starter, kjører Python-koden vår og TensorFlow-versjonen skrives ut (2.1.0).

Vi kan også starte Python-tolken som et skall, slik at vi kan fortsette å kjøre flere linjer med TensorFlow-kode.

Konklusjon

I denne artikkelen så vi to metoder for å installere TensorFlow på CentOS. Begge metodene er ment for å kjøre TensorFlow i et virtualisert miljø, som er en anbefalt tilnærming mens du bruker TensorFlow.

Hvis du er en nybegynner i TensorFlow, kan du begynne med det grunnleggende fra de offisielle TensorFlow-veiledningene.