Instale o TensorFlow usando Python (pip) ou um Docker Container
TensorFlow é uma plataforma de aprendizado de máquina do Google. Ele é de código aberto e possui um grande número de ferramentas, bibliotecas e outros recursos desenvolvidos tanto por sua comunidade de desenvolvedores quanto pelo Google e outras empresas.
O TensorFlow está disponível para todos os sistemas operacionais usados popularmente, viz. Windows, Mac OS, GNU / Linux. Ele pode ser baixado e instalado a partir do índice de pacotes Python usando o pip
ferramenta e pode ser executado em um ambiente python virtual. Outra maneira de usá-lo é instalá-lo como um contêiner do Docker.
Instale o TensorFlow usando pip
pip
é o utilitário oficial de gerenciamento de pacotes para pacotes Python. Python e pip não são instalados no CentOS por padrão.
Para instalar os pacotes, execute:
sudo dnf install python3
Sempre que a instalação solicitar a confirmação do download, etc., digite Y
e então pressione Entrar
chave para continuar a configuração. O pacote python3
irá instalar o Python 3, bem como o Pip 3.
É recomendado executar o TensorFlow dentro de um ambiente virtual Python. Um ambiente virtual permite que o usuário execute vários ambientes Python, com diferentes versões dos pacotes necessários, isolados uns dos outros, no mesmo computador. Isso é para garantir que o desenvolvimento feito dentro de um ambiente virtual com uma versão específica de um pacote não afete o desenvolvimento em outro ambiente.
Para executar o ambiente virtual Python, precisamos usar o módulo venv
. Em primeiro lugar, crie e vá para o diretório do projeto TensorFlow.
mkdir dev / tf cd dev / tf
Para criar um ambiente virtual neste diretório, execute:
python3 -m venv tf_venv
Isso criará um novo diretório tf_venv
que é o ambiente virtual Python. Ele contém os arquivos mínimos necessários, viz. Arquivo executável Python, arquivo executável Pip e algumas outras bibliotecas necessárias.
![](http://img.drupalst.com/wp-content/uploads/linux/2015/olj7exfgrx.jpg)
Para iniciar o ambiente virtual, corre:
fonte bin / ac
Isso mudará o nome do prompt para tf_venv
, ou seja, o nome da pasta do ambiente virtual.
![](http://img.drupalst.com/wp-content/uploads/linux/2015/olj7exfgrx-1.jpg)
Agora vamos instalar o TensorFlow neste ambiente virtual. Para TensorFlow, o mínimo necessário pip
a versão é 19. Para atualizar o pip para a versão mais recente, corre:
pip install - atualizar pip
![](http://img.drupalst.com/wp-content/uploads/linux/2015/olj7exfgrx-2.jpg)
Como visto acima, a versão 20.0.2 do pip foi instalada.
Instale o pacote TensorFlow de maneira semelhante.
pip install - atualizar tensorflow
O pacote é muito grande (~ 420 MB) e pode levar algum tempo para ser baixado e instalado junto com suas dependências.
Depois de instalado, podemos verificar a instalação do TensorFlow com um pequeno trecho de código para verificar a versão do TensorFlow.
python -c 'importa tensorflow como tf; imprimir (tf .__ version__) '
![](http://img.drupalst.com/wp-content/uploads/linux/2015/olj7exfgrx-3.jpg)
Para sair do ambiente virtual, execute:
desativar
![](http://img.drupalst.com/wp-content/uploads/linux/2015/olj7exfgrx-4.jpg)
Instale o TensorFlow usando o Docker Container
Docker agora é uma maneira bem estabelecida de instalar e executar programas em um ambiente virtualizado chamado Container. É de uma forma semelhante a um ambiente virtual Python que vimos no método anterior. No entanto, o Docker é muito mais amplo em escopo e os contêineres do Docker são completamente isolados e têm suas próprias configurações, pacotes de software e bibliotecas. Os contêineres podem se comunicar uns com os outros por meio de canais.
Podemos instalar e executar o TensorFlow por meio de um contêiner Docker e executá-lo em um ambiente virtualizado. Os desenvolvedores do TensorFlow mantêm uma imagem do Docker Container que é testada com cada versão.
Em primeiro lugar, precisamos instalar o Docker em nosso sistema CentOS. Para isso, consulte o guia oficial de instalação do Docker para CentOS.
Em seguida, para fazer o download da imagem de contêiner mais recente para TensorFlow, execute:
docker pull tensorflow / tensorflow
![](http://img.drupalst.com/wp-content/uploads/linux/2015/olj7exfgrx-5.jpg)
Observação: Se o seu sistema tiver uma unidade de processamento gráfico (GPU) dedicada, você pode baixar a imagem de contêiner mais recente com suporte para GPU usando o comando abaixo.
docker pull tensorflow / tensorflow: latest-gpu-jupyter
Seu sistema deve ter drivers apropriados para a GPU instalada para que os recursos da GPU possam ser utilizados pelo TensorFlow. Para mais informações sobre o suporte de GPU para TensorFlow, verifique a documentação no repositório Github.
Para executar o TensorFlow no contêiner do Docker, execute:
docker run -it --rm tensorflow / tensorflow python -c "importar tensorflow como tf; imprimir (tf .__ version__)"
Vamos primeiro tentar analisar o que cada parte do comando significa.
corre
é o comando docker para iniciar um contêiner. As bandeiras -isto
são fornecidos quando queremos iniciar um shell interativo (Ex. Bash, Python). --rm
O sinalizador, denominado Clean Up, é especificado para que o sistema de arquivos e os logs criados internamente pelo Docker para a execução do contêiner sejam destruídos quando o contêiner for encerrado. Este sinalizador não deve ser usado se os logs forem necessários no futuro para fins de depuração. Mas para pequenas execuções de primeiro plano como as nossas, ele pode ser usado.
Na próxima parte, especificamos o nome de nossa imagem de contêiner do Docker, ou seja, tensorflow / tensorflow
. Em seguida, está o programa / comando / utilitário que queremos executar no contêiner. Para nossos testes, estamos invocando o interpretador Python no contêiner e passando o código que imprime a versão do TensorFlow.
![](http://img.drupalst.com/wp-content/uploads/linux/2015/olj7exfgrx-6.jpg)
Podemos ver que o Docker está imprimindo algum log ao iniciar o contêiner. Depois que o contêiner é iniciado, nosso código Python é executado e a versão do TensorFlow é impressa (2.1.0).
Também podemos iniciar o interpretador Python como um shell, para que possamos continuar executando várias linhas de código do TensorFlow.
Conclusão
Neste artigo, vimos dois métodos para instalar o TensorFlow no CentOS. Ambos os métodos são destinados à execução do TensorFlow em um ambiente virtualizado, que é uma abordagem recomendada ao usar o TensorFlow.
Se você é um iniciante no TensorFlow, pode começar com o básico dos tutoriais oficiais do TensorFlow.