نوشته های وبلاگ

آموزش نصب TensorFlow

آموزش نصب TensorFlow

 

برای استفاده از کتابخانه ی پایتون تنسورفلو، مستلزم داشتن نیازمندی هایی هستید که بسته به نوع پردازنده ای که استفاده می کنید(  CPU یا GPU)، متفاوت خواهد بود. در حال حاضر برای نسخه GPU فقط کارت های گرافیک شرکت Nvidia که سازگاری با Cuda دارند قابل استفاده هستند، پس حتما این مورد را در سخت افزاری که تهیه می کنید در نظر داشته باشید. پیش نیاز نسخه CPU تنسورفلو، پایتون است، اما در نسخه GPU، باید درایور کارت گرافیک، کودا، Cudnn بر روی سیستم نصب باشند. در ادامه بسته به نوع سیستم عامل این نیازمندی ها معرفی و نحوه ی نصب و راه اندازی آن ها و در نهایت نحوه نصب تنسور فلو بیان می شود.

نصب پایتون

معمولا به طور پیش فرض پایتون در بسیاری از نسخه های لینوکس نظیر Ubuntu نصب است. اما اگر هم نصب نباشد کافی است از دستورات زیر استفاده کنید.

46-2

$ sudo apt-get update

$ sudo apt-get upgrade python

  به همین منوال Mac نیز به پایتون مجهز است، اما اگر نبود از دستور زیر برای نصب آن استفاده کنید.

54-2

$ brew install python

نصب pip  در لینوکس و مک

برای این کار در سیستم عامل لینوکس کافی است که از دستور زیر استفاده کنید.

$-sudo-apt-get-install-python-pip-python-dev

$ sudo apt-get install python-pip python-dev

و درمک از دستورات زیر استفاده نمایید.

59-2

# Mac OS X

$ sudo easy_install pip

$ sudo easy_install --upgrade six

پیش از ارائه نسخه ی ۱۲ تنسورفلو، امکان استفاده از تنسورفلوبه صورت مستقیم در محیط های پایتون مبتنی ویندوز امکان پذیر نبود و کاربران ویندوزی برای استفاده از بسته tensorflow در ویندوز، مجبور به استفاده از ابزارهای مجازی سازی نظیر  Virtual Box و  Vmware و  یا ابزارهایی نظیرDocker  بودند که از جذابیت و سهولت و کارایی استفاده از تنسورفلو کاسته می شد. خوشبختانه در هنگام نگارش متن این کتاب نسخه ی تنسورفلو سازگار با ویندوز نیز عرضه شد و قدری از دغدغه های کاربران ویندوزی کاسته شد. البته این نسخه فقط برای نسخه ۶۴ بیتی پایتون ۳٫۵ عرضه شده و کاربران ویندوزی مجبورند در صورتی که پیشتر از پایتون ۲٫۷ استفاده می نمودند، حال به سمت پایتون ۳٫۵ کوچ کنند و یا اینکه از سایر روش هایی که ذکر خواهد شد استفاده کنند.

در ادامه به نصب بسته تنسورفلو نسخه ۱۲ در پایتون ۳٫۵ بر روی سیستم عامل ویندوز می پردازیم.

نصب پایتون در ویندوز

هر چند که پیش فرض این مطلب این است که خواننده با پایتون و cuda آشنایی اولیه دارد و پیشتر با آن کار کرده است، اما نصب پایتون و بسته های مورد نیاز تنسورفلو را نیز مرور می کنیم.

برای نصب پایتون بر روی سیستم عامل ویندوز، پیش نیازهای سخت افزاری نیاز است که طبیعتا همه ی کامپیوترهای امروزی دارا هستند و جای نگرانی نیست. برای استفاده از پایتون در تنسورفلو می توانید از دو نسخه پایتون و یا Anaconda استفاده کنید. Anaconda  در حقیقت یک سکوی مبتنی بر پایتون است که علاوه بر پایتون، برخی بسته های دیگر را نیز در خود دارد که زحمت دریافت و نصب مجدد آن ها را کم می کند. برای دریافت پایتون می توانید به نشانی https://www.python.org/downloads/windows مراجعه کنید و آخرین نسخه پایتون ۳٫۵ را دریافت کنید. مراحل نصب پایتون به مانند نصب سایر نرم افزارهای کاربردی، ساده است.  (لینک دانلود پایتون نسخه ۳٫۵- ۶۴ بیتی)

پس از نصب پایتون، پنجره خط فرمان ویندوز (Command Prompt)  یا CMD را به صورت دسترسی Administrator  (با کلیک راست بر روی آیکون آن و Run as administrator) اجرا کنید.

با تایپ دستور python در صورت نصب صحیح، باید خط فرمان پایتون دیده شود.

image1

با فشار دکمه های Ctrl+Z  از محیط پایتون خارج و به محیط خط فرمان ویندوز وارد شوید.

در صورتی که پس از نصب پایتون، دستور python در خط فرمان ویندوز اجرا نشد، باید مسیر نصب پایتون را در محل PATH سیستم تنظیم کنید. برای این کار ابتدا در کنترل پنل به قسمت System  و Advanced System Properties  مراجعه کنید.

در پنجره گشوده شده، Environment Variable  را انتخاب کنید.

image5

پس از آن پنجره ای گشوده می شود.

image6

ابتدا در آن، در قسمت System variables، متغیر PATH را همانند شکل نشان داده شده بیابید و با کلیک بر روی Edit آن را ویرایش نمایید.

در انتهای متن قسمت Variable value که در شکل نشان داده شده است، با گذاشتن یک یک نشانی محل پوشه نصب پایتون را وارد کنید. یعنی اگر پایتون در مسیر

225-2

C:\Python35
 قرار دارد، به انتهای متن عبارت

227-2

;C:\Python35;C:\Python35\Scripts
 را اضافه کنید.

python path

سپس با کلیک بر OK و تایید این پنجره و پس از تایید همه پنجره ها، کامپیوتر خود را یک بار راه اندازی مجدد نمایید، تا تغییرات در سیستم اعمال شود. در صورتی که هنوز دستور python در خط فرمان شناخته نمی شود، احتمالا نصب پایتون با مشکل مواجه شده و مجددا باید نصب نمایید.

نصب TensorFlow

حال برای نصب نسخه CPU تنسورفلو، از نصب کننده بسته pip استفاده می کنیم. برای این منظور دستور زیر را در خط فرمان ویندوز (CMD) وارد کنید:

69-2

C:\> pip install --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-0.12.0rc0-cp35-cp35m-win_amd64.whl

سپس بسته تنسورفلو از سرورهای گوگل دانلود شده و نصب می گردد. معمولا در این بین در صورتی که بسته های دیگر پایتون نیز برای نصب تنسورفلو نیاز باشد، دانلود شده و نصب می گردند. همین گام ها نیز در صورت نصب Anaconda برای نصب تنسورفلو استفاده می شود. هم چنین شما می توانید با دانلود فایل بسته تنسورفلو، بدون نیاز به اینترنت از طریق دیسک سخت خود تنسورفلو را با دستور:

c:\directory>-pip-install---upgrade-tensorflow-0.12.0rc0-cp35-cp35m-win_amd64.whl

C:\directory> pip install --upgrade tensorflow-0.12.0rc0-cp35-cp35m-win_amd64.whl

استفاده کنید. که در این دستور directory پوشه قرارگیری فایل نصب و tensorflow-0.12.0rc0-cp35-cp35m-win_amd64.whl نام فایل بسته است.

اما برای نصب نسخه GPU تنسورفلو که از کارت گرافیکی برای انجام پردازش ها بهره می گیرد، مستلزم داشتن کارت گرافیکی از خانواده کارت های گرافیکی Nvidia  هستید. پس از اطمینان از نصب بودن درایور کارت گرافیکی خود، ابتدا به سایت  Nvidia مراجعه کنید

 و نسخه Cuda 8  و سپس به نشانی https://developer.nvidia.com/rdp/cudnn-download  مراجعه کرده و  cuDNN 5  مخصوص آن را دریافت نمایید.

توجه داشته باشید که پس از نصب کودا، حتما در مسیرهای سیستم (PATH) قرار گرفته باشد. برای کسب اطمینان از این امر، کافی است که در خط فرمان ویندوز(CMD)، دستور زیر را وارد کنید:

66-2

nvcc âversion

در صورتی که کودا به درستی در PATH تنظیم شده باشد، پیغامی این چنین مبتنی بر اطلاعات نسخه کامپایلر آن دریافت خواهید کرد:

اگر پیغام خطایی مبنی بر عدم وجود برنامه کامپایلر، به مانند پیغام زیر دریافت نمودید:

59-2

# Mac OS X

$ sudo easy_install pip

$ sudo easy_install --upgrade six

به معنی عدم قرارگیری  Cuda در مسیرهای PATH سیستم است. برای افزودن کودا به این مسیرها، مانند آنچه که در افزودن پایتون به آدرس‌های PATH گفته شد، ابتدا در کنترل پنل به قسمت System  و Advance System Properties  مراجعه کنید.

image5

در پنجره گشوده شده، Environment Variable  را انتخاب کنید.

image6

پس از آن پنجره ای گشوده می شود.

ابتدا در آن، در قسمت System variables، متغیر PATH را همانند شکل نشان داده شده بیابید و با کلیک بر روی Edit آن را ویرایش نمایید.

image7

در انتهای متن قسمت Variable value که در شکل نشان داده شده است، با گذاشتن یک نشانی محل پوشه bin واقع در محل نصب Cuda را وارد کنید. یعنی اگر Cuda  در مسیر C:\Program Files\Cuda قرار دارد، به انتهای متن عبارت  ;C:\Program Files\Cuda\bin را وارد کنید.

سپس با کلیک بر OK و تایید این پنجره، در پنجره Environment Variable  ، با کلیک بر دکمه New در قسمت System variables، متغیرهای جدیدی اضافه کنید و به ترتیب مقادیر محل نصب کودا را با دو متغیر CUDA_HOME  و  CUDA_PATH مانند شکل وارد نمایید.

حال پس از تایید همه پنجره ها، کامپیوتر خود را یک بار راه اندازی مجدد نمایید، تا تغییرات در سیستم اعمال شودimage8. در صورتی که هنوز دستور nvcc در خط فرمان شناخته نمی شود، احتمالا کودا با مشکل نصب گشته و مجددا باید نصب نمایید.

کتابخانه شبکه عصبی عمیق کودا (NVIDIA CUDA® Deep Neural Network library) که به اختصار cuDNN نامیده می شود، یک کتابخانه مبتنی بر پردازش گرافیکی است که توسط شرکت NVIDIA با پیاده سازی بهینه اعمال معمول شبکه های عمیق نظیر نرمال سازی، کانولوشن پسخورد و پیشخورد و لایه فعالسازی، با هدف شتاب دهی محاسبات مورد نیاز آن ها بر روی کیت ابزار CUDA ارائه شده است. شما می توانید بدون استفاده از cuDNN نیز شبکه های عمیق را پیاده سازی کنید ولی استفاده از این کتابخانه، سرعت محاسبات شما را تسریع می بخشد.

سپس Cuda  را در بر کامپیوتر خود نصب کنید.

برای الحاق cuDNN به CUDA ، پوشه های موجود در بسته فشرده دریافتی cuDNN را به مسیر نصب cuda  استخراج و انتقال دهید. توجه کنید که پوشه هایی همنام با پوشه های موجود در بسته cuDNN وجود دارند که فایل های کتابخانه cuDNN درون آن ها ریخته می شود.

برای نسخه مبتنی بر GPU تنسورفلو، کافی است مشابه نسخه CPU با استفاده از pip، بسته ی آن را یا از طریق لینک آن به صورت زیر و یا از طریق دانلود فایل بسته و ارائه ی آدرس آن عمل نمایید.

71-2

C:\> pip install --upgrade https://storage.googleapis.com/tensorflow/ windows/gpu/tensorflow_gpu-0.12.0rc0-cp35-cp35m-win_amd64.whl

پس از نصب درست، پیغامی مبنی بر موفقیت آمیز بودن نصب مانند شکل زیر چاپ می شود.

image11

نصب در سیستم عامل لینوکس و مک

خوشبختانه در نسخه های ارائه شده برای لینوکس و مک تا لحظه ارائه نسخه ۰٫۱۲ تنسورفلو، انعطاف پذیری های بیشتری نسبت به نسخه ویندوز آن مشاهده می شود و کاربران می توانند در هر دو نسخه ۲٫۶و ۳٫۵ پایتون از آن استفاده کنند.

برای نصب از محل مخزن بسته های پایتون (Pypi)، کافی است به سادگی در همه سیستم عامل های لینوکس و مک از دستور زیر استفاده کنید:

63-2


Ø¨Ø±Ø§Û Ùسخ٠CPU تÙسÙرÙÙÙ

pip install tensorflow

ÙØ¨Ø±Ø§Û Ùصب Ùسخ٠GPU تÙسÙرÙÙÙ

pip install tensorflow-gpu

Ubuntu/Linux 64-bit, CPU only, Python 2.7

ÙسخÙCPU  تÙسÙرÙÙÙ Ø¨Ø±Ø§Û ÙÛÙÙکس 64 بÛØªÛ Ù Ù¾Ø§ÛتÙÙ 2.7

pip install â-upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.0rc0-cp27-none-linux_x86_64.whl

# Ubuntu/Linux 64-bit, GPU enabled, Python 2.7

ÙسخÙGPU  تÙسÙرÙÙÙ Ø¨Ø±Ø§Û ÙÛÙÙکس 64 بÛØªÛ Ù Ù¾Ø§ÛتÙÙ 2.7

$ pip install â-upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.0rc0-cp27-none-linux_x86_64.whl

ÙسخÙCPU  تÙسÙرÙÙÙ Ø¨Ø±Ø§Û OS X  ÙÚ© ٠پاÛتÙÙ 2.7

# Mac OS X, CPU only, Python 2.7:

$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.12.0rc0-py2-none-any.whl

# Mac OS X, GPU enabled, Python 2.7:

ÙسخÙCPU  تÙسÙرÙÙÙ Ø¨Ø±Ø§Û OS X  ÙÚ© ٠پاÛتÙÙ 2.7

$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-0.12.0rc0-py2-none-any.whl

# Ubuntu/Linux 64-bit, CPU only, Python 3.4

$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.0rc0-cp34-cp34m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, GPU enabled, Python 3.4

# Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see "Installing from sources" below.

$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.0rc0-cp34-cp34m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, CPU only, Python 3.5

$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.0rc0-cp35-cp35m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, GPU enabled, Python 3.5

# Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see "Installing from sources" below.

$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.0rc0-cp35-cp35m-linux_x86_64.whl

# Mac OS X, CPU only, Python 3.4 or 3.5:

$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.12.0rc0-py3-none-any.whl

# Mac OS X, GPU enabled, Python 3.4 or 3.5:

$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-0.12.0rc0-py3-none-any.whl

مطالب مرتبط

9 دیدگاه برای “آموزش نصب TensorFlow

  1. سلام خسته نباشید. سوال : نصب تنسور فلو

    پردازنده سیستم من cpu است و از ubuntu 16.04 استفاده می کنم. اما وقتی دستور pip install tensorflow را تایپ می کنم ارور زیر را می دهد: لطفا کمک کنید. ممنونم.
    mehran@ubuntu:~$ pip install tensorflow
    Collecting tensorflow
    Using cached tensorflow-1.2.1-cp27-cp27mu-manylinux1_x86_64.whl
    Collecting mock>=2.0.0 (from tensorflow)
    Using cached mock-2.0.0-py2.py3-none-any.whl
    Requirement already satisfied: numpy>=1.11.0 in /usr/lib/python2.7/dist-packages (from tensorflow)
    Collecting bleach==1.5.0 (from tensorflow)
    Using cached bleach-1.5.0-py2.py3-none-any.whl
    Collecting markdown>=2.6.8 (from tensorflow)
    Requirement already satisfied: wheel in /usr/lib/python2.7/dist-packages (from tensorflow)
    Collecting six>=1.10.0 (from tensorflow)
    Using cached six-1.10.0-py2.py3-none-any.whl
    Collecting protobuf>=3.2.0 (from tensorflow)
    Using cached protobuf-3.3.0-cp27-cp27mu-manylinux1_x86_64.whl
    Collecting backports.weakref==1.0rc1 (from tensorflow)
    Using cached backports.weakref-1.0rc1-py2-none-any.whl
    Collecting html5lib==0.9999999 (from tensorflow)
    Collecting werkzeug>=0.11.10 (from tensorflow)
    Using cached Werkzeug-0.12.2-py2.py3-none-any.whl
    Collecting funcsigs>=1; python_version =2.0.0->tensorflow)
    Using cached funcsigs-1.0.2-py2.py3-none-any.whl
    Collecting pbr>=0.11 (from mock>=2.0.0->tensorflow)
    Using cached pbr-3.1.1-py2.py3-none-any.whl
    Requirement already satisfied: setuptools in /usr/lib/python2.7/dist-packages (from protobuf>=3.2.0->tensorflow)
    Installing collected packages: six, funcsigs, pbr, mock, html5lib, bleach, markdown, protobuf, backports.weakref, werkzeug, tensorflow
    Exception:
    Traceback (most recent call last):
    File “/home/mehran/.local/lib/python2.7/site-packages/pip/basecommand.py”, line 215, in main
    status = self.run(options, args)
    File “/home/mehran/.local/lib/python2.7/site-packages/pip/commands/install.py”, line 342, in run
    prefix=options.prefix_path,
    File “/home/mehran/.local/lib/python2.7/site-packages/pip/req/req_set.py”, line 784, in install
    **kwargs
    File “/home/mehran/.local/lib/python2.7/site-packages/pip/req/req_install.py”, line 851, in install
    self.move_wheel_files(self.source_dir, root=root, prefix=prefix)
    File “/home/mehran/.local/lib/python2.7/site-packages/pip/req/req_install.py”, line 1064, in move_wheel_files
    isolated=self.isolated,
    File “/home/mehran/.local/lib/python2.7/site-packages/pip/wheel.py”, line 345, in move_wheel_files
    clobber(source, lib_dir, True)
    File “/home/mehran/.local/lib/python2.7/site-packages/pip/wheel.py”, line 323, in clobber
    shutil.copyfile(srcfile, destfile)
    File “/usr/lib/python2.7/shutil.py”, line 83, in copyfile
    with open(dst, ‘wb’) as fdst:
    IOError: [Errno 13] Permission denied: ‘/usr/local/lib/python2.7/dist-packages/six.py’

    1. همانطور که در متن اشاره شده، باید در هنگام استفاد از دستور pip سطح دسترسی root داشته باشید، بنابر این :
      از فرمان sudo در ابتدای pip استفاده کنید (sudo pip install tensorflow)

  2. سلام و خسته نباشید
    بی شک سایت شما بهترین هست و خواهد بود برای تنسور فلو
    من متاسفانه در مراحل اولیه دچار مشکل شدم
    در system variable من آدرس sqlserver که روی سیستمم هست وجود داره و نمی خوام اون از بین بره
    از طرفی سرچ کردم و دیدم بعضی برای رفع این مشکل چند path می شه تعریف کرد اما من فقط یک path دارم و نمیتونم مسیر دیگه ای اضافه کنم:(
    چی کار می تونم بکنم؟
    مرسی

    1. همان طور که در آموزش هم توضیح داده شده، شما با استفاده از قسمت Environment Variables می‌توانید به path سیستم دایرکتوری‌های جدید اضافه کنید. فقط توجه کنید برای اضافه کردن آدرس جدید، طبق آموزش، در هنگام وارد کردن مسیر جدید (در اینجا مثلا دایرکتوری Cuda)، با استفاده از ; آدرس‌ها را از هم تفکیک کنید.

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *