So installieren Sie TensorFlow auf CentOS

Installieren Sie TensorFlow mit Python (pip) oder einem Docker-Container

TensorFlow ist eine Machine-Learning-Plattform von Google. Es ist Open Source und verfügt über eine Vielzahl von Tools, Bibliotheken und anderen Ressourcen, die sowohl von seiner Entwicklergemeinschaft als auch von Google und anderen Unternehmen entwickelt wurden.

TensorFlow ist für alle gängigen Betriebssysteme verfügbar, d.h. Windows, MacOS, GNU/Linux. Es kann von einem der Python-Paketindexe heruntergeladen und installiert werden Pip Tool und kann in einer virtuellen Python-Umgebung ausgeführt werden. Eine andere Möglichkeit, es zu verwenden, besteht darin, es als Docker-Container zu installieren.

Installieren Sie TensorFlow mit Pip

Pip ist das offizielle Dienstprogramm zur Paketverwaltung für Python-Pakete. Python und pip werden standardmäßig nicht auf CentOS installiert.

Installieren die Pakete, führen Sie aus:

sudo dnf installieren python3

Immer wenn die Installation nach einer Bestätigung des Downloads usw. fragt, geben Sie . ein Ja und drücke dann Eingeben Taste, um die Einrichtung fortzusetzen. Das Paket python3 installiert sowohl Python 3 als auch Pip 3.

Es wird empfohlen, TensorFlow in einer virtuellen Python-Umgebung auszuführen. Eine virtuelle Umgebung ermöglicht es dem Benutzer, mehrere Python-Umgebungen mit verschiedenen Versionen der erforderlichen Pakete, die voneinander isoliert sind, auf demselben Computer auszuführen. Dadurch soll sichergestellt werden, dass die Entwicklung in einer virtuellen Umgebung mit einer bestimmten Version eines Pakets die Entwicklung in einer anderen Umgebung nicht beeinflusst.

Um die virtuelle Python-Umgebung auszuführen, müssen wir das Modul verwenden venv. Erstellen Sie zunächst Ihr TensorFlow-Projektverzeichnis und rufen Sie es auf.

mkdir dev/tf cd dev/tf

Um eine virtuelle Umgebung in diesem Verzeichnis zu erstellen, führen Sie Folgendes aus:

python3 -m venv tf_venv

Dadurch wird ein neues Verzeichnis erstellt tf_venv Dies ist die virtuelle Python-Umgebung. Es enthält die minimal erforderlichen Dateien, nämlich. Ausführbare Python-Datei, ausführbare Pip-Datei und einige andere erforderliche Bibliotheken.

So starten Sie die virtuelle Umgebung, Lauf:

Quell-Bin/ac

Dadurch ändert sich der Name der Eingabeaufforderung in tf_venv, d. h. der Name des Ordners der virtuellen Umgebung.

Nun werden wir TensorFlow in dieser virtuellen Umgebung installieren. Für TensorFlow das erforderliche Minimum Pip Version ist 19. Um pip auf die neueste Version zu aktualisieren, Lauf:

pip install --upgrade pip

Wie oben zu sehen ist, wurde Version 20.0.2 von pip installiert.

Installieren Sie das Paket TensorFlow auf ähnliche Weise.

pip install --upgrade tensorflow

Das Paket ist ziemlich groß (~420 MB) und es kann einige Zeit dauern, bis es heruntergeladen und installiert wird, zusammen mit seinen Abhängigkeiten.

Nach der Installation können wir die TensorFlow-Installation mit einem kleinen Codestück überprüfen, um die Version von TensorFlow zu überprüfen.

python -c 'tensorflow als tf importieren; print(tf.__version__)'

Um die virtuelle Umgebung zu verlassen, führen Sie Folgendes aus:

deaktivieren

TensorFlow mit Docker Container installieren

Docker ist mittlerweile eine etablierte Methode, um Programme in einer virtualisierten Umgebung namens Container zu installieren und auszuführen. Es ähnelt in gewisser Weise einer virtuellen Python-Umgebung, die wir in der vorherigen Methode gesehen haben. Docker ist jedoch viel breiter angelegt und Docker-Container sind vollständig isoliert und verfügen über eigene Konfigurationen, Softwarepakete und Bibliotheken. Container können über Kanäle miteinander kommunizieren.

Wir können TensorFlow über einen Docker-Container installieren und ausführen und in einer virtualisierten Umgebung ausführen. Entwickler von TensorFlow pflegen ein Docker-Container-Image, das mit jedem Release getestet wird.

Zunächst müssen wir Docker auf unserem CentOS-System installieren. Lesen Sie dazu die offizielle Docker-Installationsanleitung für CentOS.

Führen Sie als Nächstes Folgendes aus, um das neueste Container-Image für TensorFlow herunterzuladen:

docker pull tensorflow/tensorflow

Notiz: Wenn Ihr System über eine dedizierte Graphics Processing Unit (GPU) verfügt, können Sie stattdessen das neueste Container-Image herunterladen mit GPU-Unterstützung mit dem folgenden Befehl.

docker pull tensorflow/tensorflow:latest-gpu-jupyter

Auf Ihrem System müssen geeignete Treiber für die GPU installiert sein, damit die GPU-Funktionen von TensorFlow genutzt werden können. Weitere Informationen zur GPU-Unterstützung für TensorFlow finden Sie in der Dokumentation zum Github-Repository.

Um TensorFlow im Docker-Container auszuführen, führen Sie Folgendes aus:

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

Versuchen wir zunächst, die Bedeutung der einzelnen Teile des Befehls aufzuschlüsseln.

Lauf ist der Docker-Befehl zum Starten eines Containers. Die Flaggen -es werden bereitgestellt, wenn wir eine interaktive Shell starten möchten (zB Bash, Python). --rm Das Flag Clean Up wird angegeben, damit das Dateisystem und die intern von Docker für den Containerlauf erstellten Logs beim Beenden des Containers zerstört werden. Dieses Flag sollte nicht verwendet werden, wenn in Zukunft Protokolle zu Debugging-Zwecken benötigt werden. Aber für kleine Vordergrundläufe wie unsere kann es verwendet werden.

Im nächsten Teil geben wir den Namen unseres Docker-Container-Images an, d. h. Tensorflow/Tensorflow. Darauf folgt das Programm/der Befehl/das Dienstprogramm, das wir im Container ausführen möchten. Für unsere Tests rufen wir den Python-Interpreter im Container auf und übergeben ihm den Code, der die Version von TensorFlow druckt.

Wir können sehen, dass Docker beim Starten des Containers ein Protokoll druckt. Nachdem der Container gestartet wurde, wird unser Python-Code ausgeführt und die TensorFlow-Version wird gedruckt (2.1.0).

Wir können den Python-Interpreter auch als Shell starten, sodass wir weiterhin mehrere Zeilen TensorFlow-Code ausführen können.

Fazit

In diesem Artikel haben wir zwei Methoden zum Installieren von TensorFlow auf CentOS gesehen. Beide Methoden sind für die Ausführung von TensorFlow in einer virtualisierten Umgebung gedacht, was bei der Verwendung von TensorFlow ein empfohlener Ansatz ist.

Wenn Sie ein Anfänger in TensorFlow sind, können Sie mit den Grundlagen aus den offiziellen TensorFlow-Tutorials beginnen.