Nhiều phiên bản python ubuntu
Xem các phiên từ Hội nghị chuyên đề WiML về các mô hình khuếch tán với KerasCV, ML trên thiết bị, v.v. Xem theo yêu cầu Show
Xây dựng gói pip TensorFlow từ nguồn và cài đặt nó trên Ubuntu Linux và macOS. Mặc dù các hướng dẫn có thể hoạt động với các hệ thống khác, nhưng nó chỉ được thử nghiệm và hỗ trợ cho Ubuntu và macOS Ghi chú. Các gói TensorFlow dựng sẵn, đã được thử nghiệm kỹ lưỡng dành cho các hệ thống Linux và macOS đã được cung cấp.Thiết lập cho Linux và macOSCài đặt các công cụ xây dựng sau để định cấu hình môi trường phát triển của bạn Cài đặt Python và các phụ thuộc gói TensorFlowYêu cầu Xcode 9. 2 hoặc muộn hơn Cài đặt bằng trình quản lý gói Homebrew Cài đặt các phụ thuộc gói pip của TensorFlow (nếu sử dụng môi trường ảo, hãy bỏ qua đối số 9) Ghi chú. Phiên bản 0 >19. 0 được yêu cầu để cài đặt gói TensorFlow 2 1. Các thành phần phụ thuộc bắt buộc bổ sung được liệt kê trong tệp 2 dưới tên 3. Cài đặt BazelĐể xây dựng TensorFlow, bạn sẽ cần cài đặt Bazel. Bazelisk là một cách dễ dàng để cài đặt Bazel và tự động tải xuống phiên bản Bazel chính xác cho TensorFlow. Để dễ sử dụng, hãy thêm Bazelisk làm tệp thực thi 4 trong 5 của bạn Nếu không có Bazelisk, bạn có thể cài đặt Bazel thủ công. Đảm bảo cài đặt phiên bản Bazel được hỗ trợ. bất kỳ phiên bản nào giữa 6 và 7 như được chỉ định trong 8 Cài đặt hỗ trợ GPU (tùy chọn, chỉ dành cho Linux)Không có hỗ trợ GPU cho macOS Đọc hướng dẫn hỗ trợ GPU để cài đặt trình điều khiển và phần mềm bổ sung cần thiết để chạy TensorFlow trên GPU Ghi chú. Việc thiết lập một trong các hình ảnh Docker hỗ trợ GPU của TensorFlow sẽ dễ dàng hơn.Tải xuống mã nguồn TensorFlowSử dụng Git để sao chép kho lưu trữ TensorFlow 3 Repo mặc định là nhánh phát triển 9. Bạn cũng có thể kiểm tra một nhánh phát hành để xây dựng 5 Không bắt buộc. Định cấu hình bản dựngCác bản dựng TensorFlow được định cấu hình bởi tệp 30 trong thư mục gốc của kho lưu trữ. Các tập lệnh 31 hoặc 32 có thể được sử dụng để điều chỉnh các cài đặt chung Nếu bạn cần thay đổi cấu hình, hãy chạy tập lệnh 31 từ thư mục gốc của kho lưu trữ. Tập lệnh này sẽ nhắc bạn về vị trí của các phụ thuộc TensorFlow và yêu cầu các tùy chọn cấu hình bản dựng bổ sung (ví dụ: cờ trình biên dịch). Tham khảo phần phiên họp mẫu để biết chi tiết 0 Ngoài ra còn có một phiên bản python của kịch bản này, 32. Nếu sử dụng môi trường ảo, thì 35 sẽ ưu tiên các đường dẫn trong môi trường, trong khi đó, 31 sẽ ưu tiên các đường dẫn bên ngoài môi trường. Trong cả hai trường hợp, bạn có thể thay đổi giá trị mặc định phiên mẫuPhần sau đây hiển thị một lần chạy tập lệnh 31 mẫu (phiên của bạn có thể khác) Xem phiên cấu hình mẫu5 Tùy chọn cấu hìnhhỗ trợ GPUĐể được hỗ trợ GPU, hãy đặt 38 trong khi định cấu hình và chỉ định phiên bản của CUDA và cuDNN. Nếu hệ thống của bạn đã cài đặt nhiều phiên bản CUDA hoặc cuDNN, hãy đặt phiên bản rõ ràng thay vì dựa vào phiên bản mặc định. 31 tạo các liên kết tượng trưng đến thư viện CUDA của hệ thống—vì vậy nếu bạn cập nhật đường dẫn thư viện CUDA của mình, bước cấu hình này phải được chạy lại trước khi xây dựng tối ưu hóaĐối với các cờ tối ưu hóa biên dịch, giá trị mặc định (______150) tối ưu hóa mã được tạo cho loại CPU của máy bạn. Tuy nhiên, nếu xây dựng TensorFlow cho một loại CPU khác, hãy xem xét cờ tối ưu hóa cụ thể hơn. Kiểm tra hướng dẫn sử dụng GCC để biết ví dụ cấu hình được cấu hình sẵnCó một số cấu hình xây dựng được cấu hình sẵn có thể được thêm vào lệnh 51, ví dụ
Xây dựng và cài đặt gói pipGói pip được xây dựng theo hai bước. Một lệnh 51 tạo chương trình "trình tạo gói". Sau đó, bạn chạy trình tạo gói để tạo gói Xây dựng trình tạo góiSử dụng 51 để tạo TensorFlow 2. trình xây dựng gói x chỉ hỗ trợ CPU 5 hỗ trợ GPUGhi chú. Hỗ trợ GPU có thể được bật với38 trong giai đoạn 31. Để xây dựng trình xây dựng gói TensorFlow có hỗ trợ GPU 8 Tùy chọn xây dựng BazelTham khảo tài liệu tham khảo dòng lệnh Bazel để biết các tùy chọn xây dựng Xây dựng TensorFlow từ nguồn có thể sử dụng nhiều RAM. Nếu hệ thống của bạn bị hạn chế về bộ nhớ, hãy giới hạn mức sử dụng RAM của Bazel bằng. 59 Các gói TensorFlow chính thức được xây dựng bằng chuỗi công cụ GCC tuân thủ tiêu chuẩn gói manylinux2010 Đối với GCC 5 trở lên, khả năng tương thích với ABI cũ hơn có thể được xây dựng bằng cách sử dụng. 00. Khả năng tương thích ABI đảm bảo rằng các hoạt động tùy chỉnh được xây dựng dựa trên gói TensorFlow chính thức tiếp tục hoạt động với gói được xây dựng GCC 5 Xây dựng góiLệnh 51 tạo một tệp thực thi có tên là 02—đây là chương trình xây dựng gói 0. Chạy tệp thực thi như hình bên dưới để xây dựng gói 1 trong thư mục 05 Để xây dựng từ một nhánh phát hành 6 Để xây dựng từ bản gốc, hãy sử dụng 06 để có được các phụ thuộc phù hợp 0 Mặc dù có thể xây dựng cả cấu hình CUDA và không phải CUDA trong cùng một cây nguồn, nhưng bạn nên chạy 07 khi chuyển đổi giữa hai cấu hình này trong cùng một cây nguồn Cài đặt góiTên tệp của tệp 1 được tạo tùy thuộc vào phiên bản TensorFlow và nền tảng của bạn. Ví dụ, sử dụng 09 để cài đặt gói 1Thành công. TensorFlow hiện đã được cài đặt. Bản dựng Docker LinuxHình ảnh phát triển Docker của TensorFlow là một cách dễ dàng để thiết lập môi trường để xây dựng các gói Linux từ nguồn. Những hình ảnh này đã chứa mã nguồn và các phần phụ thuộc cần thiết để xây dựng TensorFlow. Đi tới hướng dẫn TensorFlow Docker để biết hướng dẫn cài đặt và danh sách các thẻ hình ảnh có sẵn chỉ dành cho CPUVí dụ sau sử dụng hình ảnh 50 để xây dựng gói chỉ dành cho CPU từ mã nguồn TensorFlow mới nhất. Kiểm tra hướng dẫn Docker để biết các thẻ TensorFlow 51 có sẵn Tải xuống hình ảnh phát triển mới nhất và bắt đầu bộ chứa Docker mà bạn sẽ sử dụng để xây dựng gói pip 2 Lệnh 52 ở trên khởi động shell trong thư mục 53—gốc của cây nguồn. Nó gắn thư mục hiện tại của máy chủ lưu trữ vào thư mục 54 của bộ chứa và chuyển thông tin của người dùng máy chủ đến bộ chứa thông qua một biến môi trường (được sử dụng để đặt quyền—Docker có thể làm điều này trở nên phức tạp) Ngoài ra, để xây dựng một bản sao lưu trữ của TensorFlow trong một vùng chứa, hãy gắn cây nguồn máy chủ tại thư mục 55 của vùng chứa 3 Với cây nguồn được thiết lập, hãy xây dựng gói TensorFlow trong môi trường ảo của vùng chứa
4 Cài đặt và xác minh gói trong vùng chứa 5Thành công. TensorFlow hiện đã được cài đặt. Trên máy chủ của bạn, gói pip TensorFlow nằm trong thư mục hiện tại (có quyền của người dùng máy chủ). 56 hỗ trợ GPUDocker là cách dễ nhất để xây dựng hỗ trợ GPU cho TensorFlow vì máy chủ chỉ yêu cầu trình điều khiển NVIDIA® (không cần phải cài đặt Bộ công cụ NVIDIA® CUDA®). Tham khảo hướng dẫn hỗ trợ GPU và hướng dẫn TensorFlow Docker để thiết lập nvidia-docker (chỉ dành cho Linux) Ví dụ sau tải xuống hình ảnh TensorFlow 57 và sử dụng 58 để chạy bộ chứa hỗ trợ GPU. Hình ảnh phát triển này được định cấu hình để xây dựng gói pip có hỗ trợ GPU |