قم بتثبيت TensorFlow باستخدام Python (نقطة) أو Docker Container
TensorFlow عبارة عن نظام أساسي للتعلم الآلي من Google. إنه مفتوح المصدر ويحتوي على عدد كبير من الأدوات والمكتبات والموارد الأخرى التي طورها كل من مجتمع المطورين وكذلك Google والشركات الأخرى.
يتوفر TensorFlow لجميع أنظمة التشغيل الشائعة الاستخدام ، بمعنى. أنظمة التشغيل Windows و Mac OS و GNU / Linux. يمكن تنزيله وتثبيته من أي فهرس حزمة Python باستخدام ملف نقطة أداة ويمكن تشغيلها في بيئة بيثون افتراضية. هناك طريقة أخرى لاستخدامه وهي تثبيته كحاوية Docker.
قم بتثبيت TensorFlow باستخدام ملفات نقطة
نقطة هي الأداة المساعدة الرسمية لإدارة الحزم لحزم Python. لا يتم تثبيت Python و pip على CentOS افتراضيًا.
لتثبيت الحزم ، تشغيل:
sudo dnf تثبيت python3عندما يطلب التثبيت تأكيد التنزيل ، وما إلى ذلك ، أدخل ص ثم اضغط يدخل مفتاح لمواصلة الإعداد. حزمة بيثون 3 سيقوم بتثبيت Python 3 بالإضافة إلى Pip 3.
يوصى بتشغيل TensorFlow داخل بيئة افتراضية Python. تتيح البيئة الافتراضية للمستخدم تشغيل بيئات Python متعددة ، بإصدارات مختلفة من الحزم المطلوبة ، معزولة عن بعضها البعض ، على نفس الكمبيوتر. هذا للتأكد من أن التطوير الذي يتم داخل بيئة افتراضية واحدة بإصدار معين من الحزمة لا يؤثر على التطوير في بيئة أخرى.
لتشغيل بيئة Python الافتراضية ، نحتاج إلى استخدام الوحدة النمطية فينف. بادئ ذي بدء ، أنشئ وانتقل إلى دليل مشروع TensorFlow.
mkdir dev / tf cd dev / tfلإنشاء بيئة افتراضية في هذا الدليل ، قم بتشغيل:
python3 -m venv tf_venvسيؤدي هذا إلى إنشاء دليل جديد tf_venv وهي بيئة Python الافتراضية. يحتوي على الحد الأدنى من الملفات المطلوبة ، بمعنى. ملف Python القابل للتنفيذ وملف Pip القابل للتنفيذ وبعض المكتبات الأخرى المطلوبة.
لبدء البيئة الافتراضية، يركض:
مصدر بن / تيار مترددسيؤدي هذا إلى تغيير اسم الموجه إلى tf_venv، أي اسم مجلد البيئة الافتراضية.
سنقوم الآن بتثبيت TensorFlow في هذه البيئة الافتراضية. بالنسبة إلى TensorFlow ، الحد الأدنى المطلوب نقطة الإصدار 19. لترقية النقطة إلى أحدث إصدار ، يركض:
تثبيت نقطة - ترقية نقطة
كما رأينا أعلاه ، تم تثبيت الإصدار 20.0.2 من النقطة.
قم بتثبيت حزمة TensorFlow بطريقة مماثلة.
تثبيت نقطة - ترقية Tensorflowالحزمة كبيرة الحجم (~ 420 ميجابايت) وقد تستغرق بعض الوقت لتنزيلها وتثبيتها مع تبعياتها.
بمجرد التثبيت ، يمكننا التحقق من تثبيت TensorFlow بقطعة صغيرة من التعليمات البرمجية للتحقق من إصدار TensorFlow.
python -c 'استيراد tensorflow مثل tf ؛ طباعة (tf .__ نسخة__) '
للخروج من البيئة الافتراضية ، قم بتشغيل:
تعطيل
قم بتثبيت TensorFlow باستخدام Docker Container
يعد Docker الآن طريقة جيدة لتثبيت البرامج وتشغيلها في بيئة افتراضية تسمى Container. إنه يشبه إلى حد ما بيئة Python الافتراضية التي رأيناها في الطريقة السابقة. ومع ذلك ، فإن Docker أوسع نطاقًا ، وحاويات Docker معزولة تمامًا ولها تكوينات خاصة بها ، وحزم برامج ومكتبات. يمكن للحاويات التواصل مع بعضها البعض من خلال القنوات.
يمكننا تثبيت TensorFlow وتشغيله من خلال حاوية Docker وتشغيله في بيئة افتراضية. يحتفظ مطورو TensorFlow بصورة Docker Container والتي يتم اختبارها مع كل إصدار.
بادئ ذي بدء ، نحتاج إلى تثبيت Docker على نظام CentOS الخاص بنا. لهذا الغرض ، راجع دليل تثبيت Docker الرسمي لنظام CentOS.
بعد ذلك ، لتنزيل أحدث صورة حاوية لـ TensorFlow ، قم بتشغيل:
عامل ميناء سحب Tensorflow / Tensorflow
ملحوظة: إذا كان نظامك يحتوي على وحدة معالجة رسومات مخصصة (GPU) ، فيمكنك بدلاً من ذلك تنزيل أحدث صورة للحاوية مع دعم GPU باستخدام الأمر أدناه.
docker pull tensorflow / tensorflow: latest-gpu-jupyterيجب أن يحتوي نظامك على برامج تشغيل مناسبة لوحدة معالجة الرسومات المثبتة بحيث يمكن استخدام إمكانات وحدة معالجة الرسومات بواسطة TensorFlow. لمزيد من المعلومات حول دعم GPU لـ TensorFlow ، تحقق من الوثائق الموجودة في مستودع Github.
لتشغيل TensorFlow في حاوية Docker ، قم بتشغيل:
docker run -it --rm tensorflow / tensorflow python -c "استيراد tensorflow مثل tf ؛ print (tf .__ version__)"
دعنا نحاول أولاً تفصيل ما يعنيه كل جزء من الأمر.
يركض هو أمر عامل الإرساء لبدء حاوية. الأعلام -هو - هي يتم توفيرها عندما نريد بدء غلاف تفاعلي (على سبيل المثال. Bash و Python). --rm يتم تحديد علامة ، تسمى Clean Up ، بحيث يتم إتلاف نظام الملفات والسجلات التي تم إنشاؤها داخليًا بواسطة Docker لتشغيل الحاوية عند خروج الحاوية. لا ينبغي استخدام هذه العلامة إذا كانت السجلات مطلوبة في المستقبل لأغراض التصحيح. ولكن بالنسبة لعمليات التشغيل الصغيرة في المقدمة مثلنا ، يمكن استخدامها.
في الجزء التالي ، نحدد اسم صورة حاوية Docker الخاصة بنا ، أي Tensorflow / Tensorflow. يلي ذلك البرنامج / الأمر / الأداة التي نريد تشغيلها في الحاوية. من أجل اختبارنا ، نستدعي مترجم Python في الحاوية ونمرره الكود الذي يطبع نسخة من TensorFlow.
يمكننا أن نرى أن Docker يقوم بطباعة بعض السجلات أثناء بدء الحاوية. بعد بدء تشغيل الحاوية ، يتم تشغيل كود Python الخاص بنا ويتم طباعة إصدار TensorFlow (2.1.0).
يمكننا أيضًا بدء تشغيل مترجم Python كصدفة ، حتى نتمكن من الاستمرار في تشغيل أسطر متعددة من كود TensorFlow.
استنتاج
في هذه المقالة ، رأينا طريقتين لتثبيت TensorFlow على CentOS. كلتا الطريقتين مخصصتان لتشغيل TensorFlow في بيئة افتراضية ، وهو نهج موصى به أثناء استخدام TensorFlow.
إذا كنت مبتدئًا في TensorFlow ، فيمكنك البدء بالأساسيات من دروس TensorFlow التعليمية الرسمية.