TensorFlow-installatie¶

In dit artikel

TensorFlow-installatie op Linux

TensorFlow uitvoeren

TensorFlow-installatie verifiëren

TensorFlow is een open-sourceplatform voor machine learning en het trainen van diepe neurale netwerken, ontwikkeld door Google. Met TensorFlow kunt u complexe neurale netwerken maken, trainen en gebruiken via een gebruiksvriendelijke API in Python.

Dit platform ondersteunt zowel traditionele machine learning-algoritmen, zoals lineaire en logistische regressie, als meer geavanceerde architecturen, waaronder convolutionele neurale netwerken (Convolutional Neural Networks, CNN) en recurrente neurale netwerken (Recurrent Neural Networks, RNN).

TensorFlow-installatie op Linux¶

Deze instructie is geschikt voor de volgende besturingssystemen: Ubuntu 22.04, en geverifieerd voor Python-versies: Python 3.10.

Opmerking

Als u van plan bent GPU-versnelling te gebruiken, installeer dan NVIDIA-stuurprogramma's en CUDA volgens deze instructie.

Installeer Python:
```
sudo apt install python3.10
```
In Ubuntu 22.04 is deze versie standaard geïnstalleerd, dus we raden niet aan een nieuwere versie te installeren.

Installatie van systeembibliotheken voor TensorRT:

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt-get update
sudo apt-get install tensorrt

Maak een virtuele omgeving voor Python:
```
python3 -m venv venv
```
Activeer de virtuele omgeving:
```
source venv/bin/activate
```
Na succesvolle activatie bevat de prompt de naam van de virtuele omgeving tussen haakjes:
```
(venv) user@49069:~$
```
Opmerking

U kunt zoveel virtuele omgevingen maken als u wilt en verschillende bibliotheken installeren (ook gelijktijdig, maar dit kan soms conflicten veroorzaken).

Installatie van bindings voor TensorRT:

python3 -m pip install wheel
python3 -m pip install --pre --upgrade tensorrt

Om de installatie te verifiëren, kunnen we Python in de console uitvoeren en het volgende script uitvoeren:

import tensorrt
print(tensorrt.__version__)
assert tensorrt.Builder(tensorrt.Logger())

Bij succesvolle installatie ziet de uitvoer er als volgt uit:

(tensorflow) user@49069:~/gpu$ python
Python 3.10.12 (main, Nov 20 2023, 15:14:05) [GCC 11.4.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorrt
>>> print(tensorrt.__version__)
10.0.0b6
>>> assert tensorrt.Builder(tensorrt.Logger())
>>> import tensorrt_lean as trt
>>> print(trt.__version__)
10.0.0b6
>>> assert trt.Runtime(trt.Logger())
>>> import tensorrt_dispatch as trt
>>> print(trt.__version__)
10.0.0b6
>>> assert trt.Runtime(trt.Logger())
>>>

Installatie van TensorRT versie 8.6.1.

wget https://developer.nvidia.com/downloads/compute/machine-learning/tensorrt/secure/8.6.1/tars/TensorRT-8.6.1.6.Linux.x86_64-gnu.cuda-12.0.tar.gz
tar -xzvf TensorRT-8.6.1.6.Linux.x86_64-gnu.cuda-12.0.tar.gz

Installatie van de TensorFlow-bibliotheek met GPU-ondersteuning:
```
pip install tensorflow[and-cuda]
```
Verlaat de virtuele omgeving:
```
deactivate
```

Maak een script om TensorFlow uit te voeren:

echo '#!/bin/bash' > tensorflow.sh
echo 'source venv/bin/activate' >> tensorflow.sh
echo 'export CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> tensorflow.sh
echo 'export LD_LIBRARY_PATH=$CUDNN_PATH/lib:/usr/local/cuda/lib64' >> tensorflow.sh
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HOME/TensorRT-8.6.1.6/lib' >> tensorflow.sh
chmod +x tensorflow.sh

TensorFlow uitvoeren¶

Voer TensorFlow uit in een virtuele omgeving met gespecificeerde bibliotheekvariabelen vanuit de hoofdmap van uw home-map met het volgende commando:

. tensorflow.sh

TensorFlow-installatie verifiëren¶

Om de functionaliteit en GPU-ondersteuning van de bibliotheek te verifiëren, start het volgende Python-programma in de console:

import tensorflow as tf
print(tf.reduce_sum(tf.random.normal([1000, 1000])))
print(tf.config.list_physical_devices('GPU'))

Bij succesvolle installatie ontvangt u een uitvoer die er ongeveer als volgt uitziet, waarbij uw GPU-gebruik wordt weergegeven.

(venv) user1@49069:~$ python
Python 3.10.12 (main, Nov 20 2023, 15:14:05) [GCC 11.4.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
nt(tf.config.list_physical_devices('GPU'))
2024-04-22 23:39:54.472502: I tensorflow/core/platform/cpu_feature_guard.cc:210] This TensorFlow binary is optimized to use available CPU instructions in performance-critical operations.
To enable the following instructions: AVX2 FMA, in other operations, rebuild TensorFlow with the appropriate compiler flags.
>>> print(tf.reduce_sum(tf.random.normal([1000, 1000])))
2024-04-22 23:39:55.810888: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1928] Created device /job:localhost/replica:0/task:0/device:GPU:0 with 22282 MB memory:  -> device: 0, name: NVIDIA GeForce RTX 4090, pci bus id: 0000:07:00.0, compute capability: 8.9
tf.Tensor(332.5041, shape=(), dtype=float32)
>>> print(tf.config.list_physical_devices('GPU'))
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
>>>

U kunt bovendien het test-Pythonscript voor het trainen van een neuronaal netwerk 2c_nn_mnist_customtrain.py downloaden en uitvoeren vanuit deze GitHub-repository.

Na voltooiing van de uitvoering zou u een uitvoer moeten ontvangen die er ongeveer als volgt uitziet:

`bash (venv) user1@49069:~$ python ./2c_nn_mnist_customtrain.py 2024-04-23 10:35:25.832754: I tensorflow/core/platform/cpu_feature_guard.cc:210] This TensorFlow binary is optimized to use available CPU instructions in performance-critical operations. To enable the following instructions: AVX2 FMA, in other operations, rebuild TensorFlow with the appropriate compiler flags. 2024-04-23 10:35:28.404381: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1928] Created device /job:localhost/replica:0/task:0/device:GPU:0 with 22282 MB memory: -> device: 0, name: NVIDIA GeForce RTX 4090, pci bus id: 0000:07:00.0, compute capability: 8.9 WARNING: All log messages before absl::InitializeLog() is called are written to STDERR I0000 00:00:1713861338.172126 21279 service.cc:145] XLA service 0x7f36a3bd2ec0 initialized for platform CUDA (this does not guarantee that XLA will be used). Devices: I0000 00:00:1713861338.172187 21279 service.cc:153] StreamExecutor device (0): NVIDIA GeForce RTX 4090, Compute Capability 8.9 2024-04-23 10:35:38.180648: I tensorflow/compiler/mlir/tensorflow/utils/dump_mlir_util.cc:268] disabling MLIR crash reproducer, set env var `MLIR_CRASH_REPRODUCER_DIRECTORY` to enable. 2024-04-23 10:35:38.207205: I external/local_xla/xla/stream_executor/cuda/cuda_dnn.cc:465] Loaded cuDNN version 8902 I0000 00:00:1713861338.355523 21279 device_compiler.h:188] Compiled cluster using XLA! This line is logged at most once for the lifetime of the process. 1874/1875 |||||||||||||||||||||||||||||||| acc: 0.9022 time: 14.9 test-acc: 0.932 (error: 6.75%) 1874/1875 |||||||||||||||||||||||||||||||| acc: 0.9474 time: 4.74 test-acc: 0.953 (error: 4.71%) 1874/1875 |||||||||||||||||||||||||||||||| acc: 0.9628 time: 4.83 test-acc: 0.963 (error: 3.67%) 1874/1875 |||||||||||||||||||||||||||||||| acc: 0.9734 time: 4.86 test-acc: 0.968 (error: 3.25%) 1874/1875 |||||||||||||||||||||||||||||||| acc: 0.9798 time: 4.9 test-acc: 0.97 (error: 3.04%)