Как установить TensorFlow в CentOS Linux

TensorFlow — фреймворк машинного обучения с открытым исходным кодом, разработанный командой Google Brain. Он имеет обширную экосистему инструментов, библиотек и ресурсов, которые позволяют разработчикам и исследователям создавать и внедрять модели машинного обучения. TensorFlow также предлагает пользователям большое количество функций:

• автоматическое дифференцирование;
• поддержка вычислений на CPU и GPU;
• распределенные вычисления;
• высокоуровневые API и так далее.

В этой статье мы покажем Вам, как установить фреймворк TensorFlow в дистрибутивах RHEL / CentOS Linux.

Содержимое:

1. Установка необходимых зависимостей
2. Создание виртуальной среды с помощью Virtualenv
3. Установка TensorFlow в RHEL / CentOS Linux
4. Проверка результатов установки TensorFlow
5. Выводы

Установка необходимых зависимостей

Первое, что Вы должны сделать — это установить в ОС репозиторий EPEL. Для этого воспользуйтесь следующей командой:

sudo yum -y install epel-release

Основной API фреймворка для работы с библиотекой реализован для языка программирования Python, хотя также существуют реализации для R, C#, C++, Java, Go и других. Для установки TensorFlow мы применим возможности Python. Чтобы фреймворк бесперебойно функционировал, следует установить ряд инструментов для научных вычислений и задач машинного обучения для среды разработки Python :

• gcc — коллекция компиляторов GNU для различных языков программирования;
• gcc-c++ — дополнительный пакет, содержащий компилятор C++;
• python3 — язык программирования Python;
• python3-pip — менеджер пакетов для Python;
• python3-devel — файлы разработки для сборки расширений и модулей Python;
• atlas — программное обеспечение для автоматической настройки линейной алгебры (ATLAS), оптимизированная реализация библиотек линейной алгебры BLAS и LAPACK;
• atlas-devel — файлы разработки для сборки приложений, использующих библиотеки линейной алгебры ATLAS;
• gcc-gfortran — пакет, содержащий компилятор кода Fortran;
• openssl-devel — файлы разработки для OpenSSL;
• libffi-devel — инструменты разработки библиотеки, используемой для интерфейса Foreign Function Interface (FFI), позволяющей коду, написанному на одном языке программирования, вызывать функции, написанные на другом языке.

Чтобы установить все перечисленные инструменты, выполните в терминале:

sudo yum -y install gcc gcc-c++ python3 python3-pip python3-devel atlas atlas-devel gcc-gfortran openssl-devel libffi-devel

Читайте также: Как правильно установить Python на Linux: разбор всех пунктов.

Создание виртуальной среды с помощью Virtualenv

Virtualenv — инструмент, предназначенный для создания изолированных окружений Python. Изолированные среды гарантируют, что каждый проект может иметь собственный набор зависимостей, без конфликтов с другими проектами.

Чтобы установить последнюю версию Virtualenv в RHEL / CentOS Linux, воспользуйтесь менеджером пакетов pip:

pip3 install --upgrade virtualenv

После инсталляции, создайте новую виртуальную среду с помощью команды:

virtualenv --system-site-packages ~/venvs/tensorflow

Эта команда создает виртуальное окружение с названием tensorflow в указанном каталоге (~/venvs/) и позволяет проекту получать доступ к глобально установленным в ОС пакетам.

Наконец, активируйте изолированную среду:

source ~/venvs/tensorflow/bin/activate

Читайте также: Что такое venv и virtualenv в Python, и как их использовать.

Предыдущая команда запускает скрипт активации, изменяя переменные окружения оболочки ($PATH, $PYTHONPATH и $PS1), чтобы они указывали на интерпретатор Python и пакеты в виртуальной среде. Далее Вы будете выполнять действия уже в изолированной среде.

Установка TensorFlow в RHEL / CentOS Linux

TensorFlow имеет две версии, каждая из которых оптимизирована под различные настройки оборудования:

1. TensorFlow — стандартный вариант библиотеки, предназначенный для работы на процессорах. Фреймворк использует только ресурсы CPU для вычислений, что делает его подходящим вариантом для машин без аппаратной поддержки графических процессоров (GPU) или для задач, где ускорение с помощью GPU не требуется.
2. TensorFlow-GPU — вариант фреймворка, оптимизированный для работы на графических процессорах. Он использует параллельную вычислительную мощность GPU для ускорения вычислений, особенно для задач глубокого обучения. Для работы TensorFlow-GPU требуется совместимое аппаратное обеспечение графических процессоров и установленные в ОС соответствующие драйверы.

Чтобы установить последнюю версию TensorFlow, выполните в терминале:

pip3 install --upgrade tensorflow

Для инсталляции последней версии TensorFlow-GPU, примените следующую команду:

pip3 install --upgrade tensorflow-gpu

Читайте также: Как управлять сетевыми устройствами MikroTik с помощью Python и Netmiko.

Вы можете установить определенные версии библиотек TensorFlow или TensorFlow-GPU. Для этого используйте такие команды:

pip3 install tensorflow==<package_version>
pip3 install tensorflow-gpu==<package_version>

Где <package_version> — версия фреймворка.

Проверка результатов установки TensorFlow

Чтобы убедится, что установка ПО TensorFlow прошла успешно, запустите в терминале:

python3 -c 'import tensorflow as tf; print(tf.__version__)'

На скриншоте выше видно, что мы установили TensorFlow версии 2.6.2.

Выводы

Процесс инсталляции TensorFlow в дистрибутивах RHEL / CentOS Linux проходит в несколько этапов. Мы детально разобрали каждый из них, чтобы у Вас не возникло проблем при установке этого фреймворка.

Спасибо за время, уделенное прочтению статьи!

Если возникли вопросы — задавайте их в комментариях.

Подписывайтесь на обновления нашего блога и оставайтесь в курсе новостей мира инфокоммуникаций!

Чтобы знать больше и выделяться знаниями среди толпы IT-шников, записывайтесь на курсы Cisco, курсы по кибербезопасности, полный курс по кибербезопасности, курсы DevNet / DevOps (программируемые системы) от Академии Cisco, курсы Linux от Linux Professional Institute на платформе SEDICOMM University (Университет СЭДИКОММ).