Installation af Google TensorFlow Neural Network Software til CPU og GPU på Ubuntu 16.04

Installation af Google TensorFlow Neural Network Software til CPU og GPU på Ubuntu 16.04

TensorFlow er en open source software til udførelse af maskinindlæringsopgaver. Google, dets skaber ønskede at udsætte et kraftfuldt værktøj til at hjælpe udviklere med at udforske og opbygge maskinbaserede applikationer, og de frigjorde det som et open source-projekt. TensorFlow er et ekstremt kraftfuldt værktøj, der er specialiseret i en type neuralt netværk kaldet det dybe neurale netværk.

Deep neurale netværk bruges til at udføre komplekse maskinindlæringsopgaver som billedgenkendelse, håndskriftgenkendelse, behandling af naturlige sprog, chatbots og mere. Disse neurale netværk er uddannet til at lære de opgaver, det skal udføre. Da de beregninger, der kræves til træning, er ekstremt store, er det oftest nødvendigt med en GPU-støtte, og det er her, hvor TensorFlow kommer til undsætning. Det er GPU aktiveret og dermed ved at installere softwaren med GPU support, kan den nødvendige træningstid reduceres væsentligt.

Denne vejledning hjælper dig med at installere TensorFlow kun til CPU og også med GPU support. Så for at få TensorFlow med GPU support, skal du have en Nvidia GPU med CUDA support. Installation af CUDA og CuDNN (Nvidia beregningsbiblioteker) er lidt vanskelig, og denne vejledning giver en trinvis tilgang til installation af dem, før de faktisk kommer til installationen af ​​TensorFlow selv.

Nvidia CUDA er et GPU-accelereret bibliotek, der har stærkt afstemte implementeringer til standardrutiner, der anvendes i neurale netværk. CuDNN er et tuningbibliotek til GPU'et, der tager sig af automatisk tuning af GPU-præstationer. TensorFlow er afhængig af begge disse til træning og kørsel af dybe neurale netværk, og derfor skal de installeres, før TensorFlow er installeret.

Det er meget vigtigt at bemærke, at de, der IKKE ønsker at installere TensorFlow med GPU-support, kan du springe over alle disse trin og springe direkte til "Trin 5: Installer TensorFlow med kun CPU support" i denne vejledning.

En introduktion til TensorFlow kan findes her.

1 Installer CUDA

For det første download CUDA for Ubuntu 16.04 fra her. Denne fil er temmelig stor (2GB), så det kan tage engang at blive hentet.

Den downloadede fil er ".deb" -pakken. For at installere det skal du køre følgende kommandoer:

sudo dpkg -i cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb

Installer CUDA

Følgende kommandoer installerer eventuelle afhængigheder, der er blevet savnet, og endelig installerer cuda toolkit:

sudo apt install -f

sudo apt opdatering

sudo apt install cuda

Hvis den er installeret, får du en besked, der siger, at den er "installeret". Hvis det allerede er installeret, får du output som ligner billedet nedenfor:

Installer CUDA med apt

2 Installer CuDNN-biblioteket

CuDNN-download kræver lidt arbejde desværre. Nvidia giver dig ikke direkte de filer, der skal downloades (det er dog gratis). Følg trinene for at få dine CuDNN-filer.

  1. klik her at gå til Nvidias registreringsside og oprette en konto. Første side beder dig indtaste dine personlige oplysninger, og den anden side spørger dig om at besvare et par spørgeskemaundersøgelser. Det er okay, hvis du ikke kender svar til alle, kan du bare vælge en valgmulighed tilfældigt.
  2. Det foregående trin ville have ført til, at Nvidia sendte dig et aktiveringslink til din mail-id. Når du har aktiveret, gå over til CuDNN download linket her.
  3. Når du logger ind på den side, skal du udfylde en anden mindre undersøgelse. Tilfældigt klik på afkrydsningsfelterne, og klik derefter på knappen "Fortsæt til download" nederst i undersøgelsen, og på den næste side klikker du på, at du accepterer brugsbetingelserne.
  4. Endelig skal du klikke på "Download cuDNN v5.1 (Jan 20, 2017), til CUDA 8.0" i dropdown-nedgangen, og inden for denne rulning skal du downloade to filer ved at klikke på den:

BEMÆRK: Selvom biblioteket siger, at det er til Ubuntu 14.04, skal du kun bruge det link. det virker også for xnumx

Nu hvor du endelig har begge CuDNN-filerne, er det tid til at installere dem !! Brug følgende kommandoer i mappen, der indeholder disse downloadede filer:

sudo dpkg -i libcudnn5_5.1.5-1 + cuda8.0_amd64.deb

sudo dpkg -i libcudnn5-dev_5.1.5-1 + cuda8.0_amd64.deb

Følgende billede viser resultatet af at køre disse kommandoer:

Installer CuDNN-biblioteket

3 Tilføj installationsplaceringen til Bashrc-filen

installationsstedet skal tilføjes til bashrc-filen, så systemet skal vide, hvorfra den installerede mappe til CUDA fra næste gang fremover skal findes. brug følgende kommando for at åbne bashrc filen:

sudo gedit ~ / .bashrc

Når filen er åbnet, skal du tilføje følgende to linjer i slutningen af ​​den pågældende fil:

  eksport LD_LIBRARY_PATH = "$ LD_LIBRARY_PATH: / usr / local / cuda / lib64: / usr / local / cuda / extras / CUPTI / lib64" eksport CUDA_HOME = / usr / local / cuda

4 Installer TensorFlow med GPU support

dette trin installerer vi TensorFlow med GPU support. Kør følgende kommando, hvis du bruger python 2.7:

pip installere TensorFlow-gpu

Hvis du har python 3.x i stedet for ovenstående kommando, skal du bruge følgende:

pip3 installerer TensorFlow-gpu

Du får en "vellykket installeret" besked, når kommandoen er færdig med udførelsen. Nu er alt, hvad der er tilbage for at teste, om det har installeret korrekt. For at teste dette, skal du åbne en kommandoprompt og skrive følgende kommandoer:

python

importere TensorFlow som tf

Du skal få en udgang svarende til billedet nedenfor. Fra billedet kan du observere, at CUDA-bibliotekerne er blevet åbnet. Nu, hvis der var fejl, vises meddelelser, der siger, at der ikke er åbnet CUDA og endda moduler, der ikke findes. I så fald er du måske gået glip af et af trinene ovenfor, og du vil omhyggeligt gentage denne vejledning.

Installer TensorFlow med GPU support

5 Installer TensorFlow med kun CPU-understøttelse

BEMÆRK: Dette trin skal udføres af personer, der ikke har en GPU eller personer, der ikke har en Nvidia GPU. Andre, venligst ignorere dette trin !!

Det er ekstremt nemt at installere TensorFlow til CPU. Brug følgende to kommandoer:

pip installere TensorFlow

Hvis du har python 3.x i stedet for ovenstående kommando, skal du bruge følgende:

pip3 installerer TensorFlow

Ja, det er så simpelt!

Dette konkluderer, installationsguiden, du kan nu begynde at bygge dine dybe læringsapplikationer. Hvis du lige er begyndt, kan du se på den officielle vejledning til begyndere her. Hvis du leder efter mere avancerede tutorials, kan du lære at konfigurere et billedgenkendelsessystem / værktøj, der er i stand til at identificere tusindvis af objekter med stor nøjagtighed fra her.

Kilde

Giv en kommentar

Dette websted bruger Akismet til at reducere spam. Lær, hvordan dine kommentardata behandles.