ติดตั้ง TensorFlow โดยใช้ Python (pip) หรือ Docker Container
TensorFlow เป็นแพลตฟอร์มการเรียนรู้ของเครื่องโดย Google เป็นโอเพ่นซอร์สและมีเครื่องมือ ไลบรารี และทรัพยากรอื่นๆ จำนวนมากที่พัฒนาโดยทั้งชุมชนนักพัฒนาซอฟต์แวร์ ตลอดจน Google และบริษัทอื่นๆ
TensorFlow สามารถใช้ได้กับระบบปฏิบัติการที่นิยมใช้ทั้งหมด กล่าวคือ Windows, Mac OS, GNU/ลินุกซ์. สามารถดาวน์โหลดและติดตั้งได้จากดัชนีแพ็คเกจ Python โดยใช้ pip เครื่องมือและสามารถเรียกใช้ในสภาพแวดล้อมของหลามเสมือน อีกวิธีในการใช้งานคือติดตั้งเป็นคอนเทนเนอร์ Docker
ติดตั้ง TensorFlow โดยใช้ pip
pip เป็นยูทิลิตี้การจัดการแพ็คเกจอย่างเป็นทางการสำหรับแพ็คเกจ Python Python และ pip ไม่ได้ถูกติดตั้งบน CentOS เป็นค่าเริ่มต้น
ติดตั้ง แพ็คเกจรัน:
sudo dnf ติดตั้ง python3เมื่อใดก็ตามที่การติดตั้งขอการยืนยันการดาวน์โหลด ฯลฯ ให้ป้อน Y แล้วกด เข้า คีย์เพื่อดำเนินการตั้งค่าต่อ แพ็คเกจ python3 จะติดตั้ง Python 3 เช่นเดียวกับ Pip 3
ขอแนะนำให้เรียกใช้ TensorFlow ภายในสภาพแวดล้อมเสมือนของ Python สภาพแวดล้อมเสมือนทำให้ผู้ใช้สามารถเรียกใช้สภาพแวดล้อม Python ได้หลายแบบ โดยมีแพ็คเกจที่จำเป็นเวอร์ชันต่างๆ แยกจากกัน บนคอมพิวเตอร์เครื่องเดียวกัน ทั้งนี้เพื่อให้แน่ใจว่าการพัฒนาเสร็จสิ้นภายในสภาพแวดล้อมเสมือนหนึ่งด้วยเวอร์ชันเฉพาะของแพ็คเกจจะไม่ส่งผลต่อการพัฒนาในสภาพแวดล้อมอื่น
ในการรันสภาพแวดล้อมเสมือนของ Python เราจำเป็นต้องใช้ module venv. ก่อนอื่น สร้างและไปที่ไดเร็กทอรีโครงการ TensorFlow ของคุณ
mkdir dev/tf cd dev/tfในการสร้างสภาพแวดล้อมเสมือนในไดเร็กทอรีนี้ ให้รัน:
python3 -m venv tf_venvสิ่งนี้จะสร้างไดเร็กทอรีใหม่ tf_venv ซึ่งเป็นสภาพแวดล้อมเสมือนของ Python ประกอบด้วยไฟล์ที่จำเป็นน้อยที่สุด ได้แก่ ไฟล์ปฏิบัติการ Python ไฟล์ปฏิบัติการ Pip และไลบรารีที่จำเป็นอื่นๆ
เพื่อเริ่มต้นสภาพแวดล้อมเสมือน, วิ่ง:
แหล่ง bin/acสิ่งนี้จะเปลี่ยนชื่อของพรอมต์เป็น tf_venvนั่นคือชื่อของโฟลเดอร์สภาพแวดล้อมเสมือน
ตอนนี้เราจะติดตั้ง TensorFlow ในสภาพแวดล้อมเสมือนนี้ สำหรับ TensorFlow ค่าต่ำสุดที่จำเป็น pip รุ่น 19. หากต้องการอัปเกรด pip เป็นเวอร์ชันล่าสุด วิ่ง:
ติดตั้ง pip -- อัพเกรด pip
ดังที่แสดงด้านบน เวอร์ชัน 20.0.2 ของ pip ได้รับการติดตั้งแล้ว
ติดตั้งแพ็คเกจ TensorFlow ในลักษณะเดียวกัน
ติดตั้ง pip -- อัปเกรดเทนเซอร์โฟลว์แพ็คเกจมีขนาดค่อนข้างใหญ่ (~420 MB) และอาจใช้เวลาในการดาวน์โหลดและติดตั้งควบคู่ไปกับการอ้างอิง
เมื่อติดตั้งแล้ว เราสามารถตรวจสอบการติดตั้ง TensorFlow ด้วยโค้ดเล็กๆ น้อยๆ เพื่อตรวจสอบเวอร์ชันของ TensorFlow
python -c 'นำเข้าเทนเซอร์โฟลว์เป็น tf; พิมพ์ (tf.__version__)'
หากต้องการออกจากสภาพแวดล้อมเสมือน ให้รัน:
ปิดการใช้งาน
ติดตั้ง TensorFlow โดยใช้ Docker Container
ตอนนี้ Docker เป็นวิธีที่เป็นที่ยอมรับในการติดตั้งและรันโปรแกรมในสภาพแวดล้อมเสมือนจริงที่เรียกว่าคอนเทนเนอร์ คล้ายกับสภาพแวดล้อมเสมือนของ Python ที่เราเห็นในวิธีก่อนหน้านี้ อย่างไรก็ตาม Docker นั้นมีขอบเขตที่กว้างกว่ามาก และคอนเทนเนอร์ Docker นั้นถูกแยกออกจากกันโดยสิ้นเชิงและมีการกำหนดค่า ชุดซอฟต์แวร์ และไลบรารีของตัวเอง ตู้คอนเทนเนอร์สามารถสื่อสารกันได้ผ่านช่องทาง
เราสามารถติดตั้งและเรียกใช้ TensorFlow ผ่านคอนเทนเนอร์ Docker และเรียกใช้ในสภาพแวดล้อมเสมือนจริง ผู้พัฒนา TensorFlow รักษาอิมเมจ Docker Container ซึ่งทดสอบกับแต่ละรีลีส
ก่อนอื่น เราต้องติดตั้ง Docker บนระบบ CentOS ของเรา สำหรับสิ่งนี้ โปรดดูคู่มือการติดตั้ง Docker อย่างเป็นทางการสำหรับ CentOS
ถัดไป ในการดาวน์โหลดคอนเทนเนอร์อิมเมจล่าสุดสำหรับ TensorFlow ให้เรียกใช้:
นักเทียบท่าดึงเทนเซอร์โฟลว์/เทนเซอร์โฟลว์
บันทึก: หากระบบของคุณมีหน่วยประมวลผลกราฟิก (GPU) โดยเฉพาะ คุณสามารถดาวน์โหลดอิมเมจคอนเทนเนอร์ล่าสุดแทนได้ พร้อมรองรับ GPU โดยใช้คำสั่งด้านล่าง
นักเทียบท่าดึงเทนเซอร์โฟลว์/เทนเซอร์โฟลว์:ล่าสุด-gpu-jupyterระบบของคุณต้องมีไดรเวอร์ที่เหมาะสมสำหรับ GPU ติดตั้งเพื่อให้ TensorFlow สามารถใช้ความสามารถของ GPU ได้ สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการรองรับ GPU สำหรับ TensorFlow โปรดดูเอกสารในที่เก็บ Github
ในการรัน TensorFlow ในคอนเทนเนอร์ Docker ให้รัน:
นักเทียบท่า run -it --rm tensorflow/tensorflow python -c "นำเข้า tensorflow เป็น tf; พิมพ์ (tf.__version__)"
อันดับแรก มาลองแยกย่อยความหมายของแต่ละส่วนของคำสั่งกัน
วิ่ง เป็นคำสั่ง docker เพื่อเริ่มคอนเทนเนอร์ ธง -มัน จะได้รับเมื่อเราต้องการเริ่มต้นเชลล์แบบโต้ตอบ (เช่น Bash, Python) --rm แฟล็กที่เรียกว่า Clean Up ถูกระบุเพื่อให้ระบบไฟล์และบันทึกที่สร้างภายในโดย Docker สำหรับการรันคอนเทนเนอร์จะถูกทำลายเมื่อคอนเทนเนอร์ออก ไม่ควรใช้แฟล็กนี้หากจำเป็นต้องใช้บันทึกในอนาคตเพื่อจุดประสงค์ในการดีบัก แต่สำหรับการวิ่งโฟร์กราวด์เล็กๆ แบบของเรา ก็สามารถใช้ได้
ในส่วนถัดไป เราจะระบุชื่ออิมเมจคอนเทนเนอร์ Docker ของเรา นั่นคือ เทนเซอร์โฟลว์/เทนเซอร์โฟลว์. ต่อจากนี้คือโปรแกรม/คำสั่ง/ยูทิลิตี้ที่เราต้องการเรียกใช้ในคอนเทนเนอร์ สำหรับการทดสอบของเรา เรากำลังเรียกใช้ล่าม Python ในคอนเทนเนอร์และส่งโค้ดที่พิมพ์เวอร์ชันของ TensorFlow ไปให้
เราจะเห็นได้ว่า Docker กำลังพิมพ์บันทึกบางอย่างขณะเริ่มคอนเทนเนอร์ หลังจากที่คอนเทนเนอร์เริ่มทำงาน โค้ด Python ของเราจะรันและเวอร์ชัน TensorFlow จะถูกพิมพ์ (2.1.0)
นอกจากนี้เรายังสามารถเริ่มล่าม Python เป็นเชลล์ เพื่อให้เราสามารถเรียกใช้โค้ด TensorFlow หลายบรรทัดต่อไปได้
บทสรุป
ในบทความนี้ เราเห็นสองวิธีในการติดตั้ง TensorFlow บน CentOS ทั้งสองวิธีมีไว้สำหรับเรียกใช้ TensorFlow ในสภาพแวดล้อมเสมือนจริง ซึ่งเป็นแนวทางที่แนะนำในขณะที่ใช้ TensorFlow
หากคุณเป็นมือใหม่ใน TensorFlow คุณสามารถเริ่มต้นด้วยพื้นฐานจากบทช่วยสอน TensorFlow อย่างเป็นทางการ