Python (pip) அல்லது Docker Container ஐப் பயன்படுத்தி TensorFlow ஐ நிறுவவும்
TensorFlow என்பது Google வழங்கும் இயந்திர கற்றல் தளமாகும். இது திறந்த மூலமானது மற்றும் அதன் டெவலப்பர் சமூகம் மற்றும் கூகிள் மற்றும் பிற நிறுவனங்களால் உருவாக்கப்பட்ட ஏராளமான கருவிகள், நூலகங்கள் மற்றும் பிற ஆதாரங்களைக் கொண்டுள்ளது.
பிரபலமாகப் பயன்படுத்தப்படும் அனைத்து இயக்க முறைமைகளுக்கும் TensorFlow கிடைக்கிறது, அதாவது. விண்டோஸ், மேக் ஓஎஸ், குனு/லினக்ஸ். இதைப் பயன்படுத்தி பைதான் தொகுப்பு அட்டவணையில் இருந்து பதிவிறக்கம் செய்து நிறுவலாம் பிப் கருவி மற்றும் ஒரு மெய்நிகர் பைதான் சூழலில் இயக்க முடியும். இதைப் பயன்படுத்த மற்றொரு வழி, அதை டோக்கர் கொள்கலனாக நிறுவுவது.
பயன்படுத்தி TensorFlow ஐ நிறுவவும் பிப்
பிப் பைதான் தொகுப்புகளுக்கான அதிகாரப்பூர்வ தொகுப்பு மேலாண்மை பயன்பாடாகும். Python மற்றும் pip இயல்பாக CentOS இல் நிறுவப்படவில்லை.
நிறுவுவதற்கு தொகுப்புகள், இயக்கவும்:
sudo dnf python3 ஐ நிறுவவும்நிறுவல் பதிவிறக்கம் போன்றவற்றை உறுதிப்படுத்துமாறு கேட்கும் போதெல்லாம், உள்ளிடவும் ஒய் பின்னர் அழுத்தவும் உள்ளிடவும் அமைப்பைத் தொடர விசை. பொட்டலம் மலைப்பாம்பு3 Python 3 மற்றும் Pip 3 ஐ நிறுவும்.
பைதான் மெய்நிகர் சூழலில் டென்சர்ஃப்ளோவை இயக்க பரிந்துரைக்கப்படுகிறது. ஒரு மெய்நிகர் சூழல் பயனரை பல பைதான் சூழல்களை இயக்க அனுமதிக்கிறது, தேவையான தொகுப்புகளின் வெவ்வேறு பதிப்புகள், ஒருவருக்கொருவர் தனிமைப்படுத்தப்பட்டு, ஒரே கணினியில். தொகுப்பின் குறிப்பிட்ட பதிப்பைக் கொண்டு ஒரு மெய்நிகர் சூழலுக்குள் செய்யப்படும் மேம்பாடு மற்றொரு சூழலில் மேம்பாட்டைப் பாதிக்காது என்பதை உறுதிசெய்வதாகும்.
பைதான் மெய்நிகர் சூழலை இயக்க, நாம் தொகுதியைப் பயன்படுத்த வேண்டும் venv. முதலில், உருவாக்கி உங்கள் டென்சர்ஃப்ளோ திட்டக் கோப்பகத்திற்குச் செல்லவும்.
mkdir dev/tf cd dev/tfஇந்த கோப்பகத்தில் மெய்நிகர் சூழலை உருவாக்க, இயக்கவும்:
python3 -m venv tf_venvஇது ஒரு புதிய கோப்பகத்தை உருவாக்கும் tf_venv இது பைதான் மெய்நிகர் சூழல். இது தேவையான குறைந்தபட்ச கோப்புகளைக் கொண்டுள்ளது, அதாவது. பைதான் இயங்கக்கூடிய கோப்பு, பிப் இயங்கக்கூடிய கோப்பு மற்றும் வேறு சில தேவையான நூலகங்கள்.
மெய்நிகர் சூழலைத் தொடங்க, ஓடு:
மூல தொட்டி/ஏசிஇது அறிவுறுத்தலின் பெயரை மாற்றும் tf_venv, அதாவது, மெய்நிகர் சூழல் கோப்புறையின் பெயர்.
இப்போது இந்த மெய்நிகர் சூழலில் TensorFlow ஐ நிறுவுவோம். TensorFlow க்கு, குறைந்தபட்சம் தேவை பிப் பதிப்பு 19. பிப்பை சமீபத்திய பதிப்பிற்கு மேம்படுத்த, ஓடு:
pip install --upgrade pip
மேலே பார்த்தபடி, பிப்பின் பதிப்பு 20.0.2 நிறுவப்பட்டது.
TensorFlow தொகுப்பையும் இதே வழியில் நிறுவவும்.
பிப் நிறுவல் --டென்சர்ஃப்ளோவை மேம்படுத்தவும்தொகுப்பு மிகவும் பெரிய அளவில் உள்ளது (~420 MB) மற்றும் அதன் சார்புகளுடன் பதிவிறக்கம் செய்து நிறுவ சிறிது நேரம் ஆகலாம்.
நிறுவப்பட்டதும், TensorFlow இன் பதிப்பைச் சரிபார்க்க, ஒரு சிறிய குறியீட்டைக் கொண்டு TensorFlow நிறுவலைச் சரிபார்க்கலாம்.
python -c 'இறக்குமதி tensorflow tf ஆக; அச்சு(tf.__version__)'
மெய்நிகர் சூழலில் இருந்து வெளியேற, இயக்கவும்:
செயலிழக்க
டோக்கர் கொள்கலனைப் பயன்படுத்தி டென்சர்ஃப்ளோவை நிறுவவும்
கன்டெய்னர் எனப்படும் மெய்நிகராக்கப்பட்ட சூழலில் நிரல்களை நிறுவவும் இயக்கவும் டோக்கர் இப்போது நன்கு நிறுவப்பட்ட வழியாகும். இது முந்தைய முறையில் நாம் பார்த்த பைதான் மெய்நிகர் சூழலைப் போன்றது. இருப்பினும், டோக்கர் நோக்கத்தில் மிகவும் விரிவானது, மேலும் டோக்கர் கொள்கலன்கள் முற்றிலும் தனிமைப்படுத்தப்பட்டு அவற்றின் சொந்த கட்டமைப்புகள், மென்பொருள் தொகுப்புகள் மற்றும் நூலகங்கள் உள்ளன. கொள்கலன்கள் சேனல்கள் மூலம் ஒருவருக்கொருவர் தொடர்பு கொள்ள முடியும்.
டோக்கர் கண்டெய்னர் மூலம் டென்சர்ஃப்ளோவை நிறுவி இயக்கலாம் மற்றும் அதை மெய்நிகராக்கப்பட்ட சூழலில் இயக்கலாம். டென்சர்ஃப்ளோவின் டெவலப்பர்கள் ஒவ்வொரு வெளியீட்டிலும் சோதிக்கப்படும் டோக்கர் கொள்கலன் படத்தைப் பராமரிக்கின்றனர்.
முதலில், நமது CentOS அமைப்பில் Dockerஐ நிறுவ வேண்டும். இதற்கு, CentOSக்கான அதிகாரப்பூர்வ டோக்கர் நிறுவல் வழிகாட்டியைப் பார்க்கவும்.
அடுத்து, டென்சர்ஃப்ளோவுக்கான சமீபத்திய கண்டெய்னர் படத்தைப் பதிவிறக்க, இயக்கவும்:
docker pull tensorflow/tensorflow
குறிப்பு: உங்கள் கணினியில் பிரத்யேக கிராபிக்ஸ் ப்ராசசிங் யூனிட் (GPU) இருந்தால், அதற்குப் பதிலாக சமீபத்திய கண்டெய்னர் படத்தைப் பதிவிறக்கலாம். GPU ஆதரவுடன் கீழே உள்ள கட்டளையைப் பயன்படுத்தி.
docker pull tensorflow/tensorflow:latest-gpu-jupyterஉங்கள் கணினியில் GPU க்கு பொருத்தமான இயக்கிகள் நிறுவப்பட்டிருக்க வேண்டும், இதனால் GPU திறன்களை TensorFlow மூலம் பயன்படுத்த முடியும். TensorFlow க்கான GPU ஆதரவு பற்றிய கூடுதல் தகவலுக்கு, Github களஞ்சியத்தில் உள்ள ஆவணங்களைச் சரிபார்க்கவும்.
டோக்கர் கொள்கலனில் டென்சர்ஃப்ளோவை இயக்க, இயக்கவும்:
docker run -it --rm tensorflow/tensorflow python -c "tf ஆக இறக்குமதி tensorflow; print(tf.__version__)"
கட்டளையின் ஒவ்வொரு பகுதியும் எதைக் குறிக்கிறது என்பதை முதலில் உடைக்க முயற்சிப்போம்.
ஓடு ஒரு கொள்கலனைத் தொடங்குவதற்கான டோக்கர் கட்டளை. கொடிகள் -அது நாம் ஒரு ஊடாடும் ஷெல் (எ.கா. பாஷ், பைதான்) தொடங்க விரும்பும் போது வழங்கப்படும். --rm க்ளீன் அப் எனப்படும் கொடி குறிப்பிடப்படுகிறது, இதனால் கொள்கலன் இயக்கத்திற்காக டோக்கரால் உள்நாட்டில் உருவாக்கப்பட்ட கோப்பு முறைமை மற்றும் பதிவுகள் கொள்கலன் வெளியேறும் போது அழிக்கப்படும். பிழைத்திருத்த நோக்கங்களுக்காக எதிர்காலத்தில் பதிவுகள் தேவைப்பட்டால் இந்தக் கொடியைப் பயன்படுத்தக்கூடாது. ஆனால் எங்களைப் போன்ற சிறிய முன்னோக்கி ஓட்டங்களுக்கு, இதைப் பயன்படுத்தலாம்.
அடுத்த பகுதியில், எங்கள் டோக்கர் கொள்கலன் படத்தின் பெயரைக் குறிப்பிடுகிறோம், அதாவது, tensorflow/tensorflow. அதைத் தொடர்ந்து நாம் கண்டெய்னரில் இயக்க விரும்பும் புரோகிராம்/கமாண்ட்/யூட்டிலிட்டி. எங்கள் சோதனைக்காக, கன்டெய்னரில் உள்ள பைதான் மொழிபெயர்ப்பாளரை நாங்கள் செயல்படுத்துகிறோம் மற்றும் டென்சர்ஃப்ளோவின் பதிப்பை அச்சிடும் குறியீட்டை அனுப்புகிறோம்.
கொள்கலனைத் தொடங்கும் போது டோக்கர் சில பதிவை அச்சிடுவதை நாம் காணலாம். கொள்கலன் தொடங்கிய பிறகு, எங்கள் பைதான் குறியீடு இயங்குகிறது மற்றும் TensorFlow பதிப்பு அச்சிடப்பட்டது (2.1.0).
நாம் பைதான் மொழிபெயர்ப்பாளரை ஷெல்லாகவும் தொடங்கலாம், இதன் மூலம் டென்சர்ஃப்ளோ குறியீட்டின் பல வரிகளை தொடர்ந்து இயக்கலாம்.
முடிவுரை
இந்த கட்டுரையில், CentOS இல் TensorFlow ஐ நிறுவ இரண்டு முறைகளைப் பார்த்தோம். இரண்டு முறைகளும் டென்சர்ஃப்ளோவை மெய்நிகராக்கப்பட்ட சூழலில் இயக்குவதற்கானவை, இது டென்சர்ஃப்ளோவைப் பயன்படுத்தும் போது பரிந்துரைக்கப்படும் அணுகுமுறையாகும்.
நீங்கள் டென்சர்ஃப்ளோவில் தொடக்கநிலையாளராக இருந்தால், அதிகாரப்பூர்வ டென்சர்ஃப்ளோ டுடோரியலில் இருந்து அடிப்படைகளை நீங்கள் தொடங்கலாம்.