欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

tensorflow离线安装指南

程序员文章站 2022-07-14 08:26:39
...

tensorflow离线安装是一件麻烦的事情,首先需要确定tensorflow安装包兼容当前环境,其次是依赖库较多且库版本需适配。
接下来,我们在一台有网络的centos服务器系统内下载依赖库并完成适配。

目录


1. 下载tensorflow安装包
1.1 确认python版本
1.2 配置venv
1.3 自动获取(安装)tensorflow指定版本
2. 离线适配依赖库
2.1 网络配置
2.2 适配依赖库

内容


1. 下载tensorflow安装包

  首先,我们需要确定安装tensorflow的哪个版本,比如1.14.0的cpu版本,或是2.3.0的gpu版本。接下来,我们以1.14.0的cpu版本做示例。


1.1 确认python版本

tensorflow离线安装指南

图1 python支持版本

  在控制台中输入: whereis python 或 which python,如果有关于python的信息,继续输入 python -v,可以得到python版本信息(比如 Python 3.6.8),参考图1。

  现在我们根据版本号,寻找对应的安装包(比如 centos8系统 Python 3.6.8版本):
      cpu版本选择tensorflow-XXXX-cp36-cp36m-linux_x86_64.whl;
      gpu版本选择tensorflow_gpu-XXXX-cp36-cp36m-linux_x86_64.whl。


1.2 配置venv

  tensorflow安装包及依赖库都是通过pip指令执行安装或卸载,接下来,我们配置venv环境。

	1. 首先创建个文件夹,比如在当前用户下创建python_venv (mkdir python_venv)
	2. cd python_venv
	3. python3 -m venv venv  
	4. source venv/bin/activate

 	说明:步骤3.导出python3自带的venv环境到/home/当前用户/python_venv/venv文件夹内;步骤4.读取并执行venv环境。
         每次启动新的控制台都需要执行步骤4.(读取并执行venv环境),也可以把步骤4.内容写入当前用户的.bashrc文件中,之后不用手动执行步骤4.。

	.bashrc追加信息:
		echo "source /home/lk/python_venv/venv/bin/activate" >> ~/.bashrc

1.3 自动获取(安装)tensorflow指定版本

  为了确保tensorflow安装包可用(或者自动安装指定版本),可以通过pip指令完成这部分工作。
控制台输入(已执行venv环境):

	  cpu版本: pip install  tensorflow==1.14.0 或 pip install  tensorflow-cpu==1.14.0 (部分版本指定-cpu可能找不到)
	  gpu版本: pip install  tensorflow-gpu==1.14.0

tensorflow离线安装指南

图2 自动获取(安装)tensorflow

  参考图2,当执行上述类似指令时,Downloading处可以看到下载地址和安装包名称,我们可以通过这个安装包名称到相关网址下载即可。


2. 离线适配依赖库

  现在tensorflow安装包已经确定了,接下来进行适配依赖库,这个过程相当繁琐,其中的某个库可能需要换好几次版本。


2.1 网络配置

  pip指令安装tensorflow时自动安装依赖库,我们在安装前需要断开网络,然后根据缺库提示到相关网址下载下来,然后安装即可。


2.2 适配依赖库

  接下来进入正题,开始适配:

	输入: pip install tensorflow-1.14.0-cp36-cp36m-manylinux1_x86_64.whl

tensorflow离线安装指南

图3 tensorflow适配过程

  参考图3,我们在关网的情况下安装tensorflow-1.14.0,提示“找不到满足需求的keras-preprocessing>=1.0.5”。接下来我们到 https://pypi.tuna.tsinghua.edu.cn/simple/ 中寻找大于等于1.0.5的库:

      根据网址加库名拼成:https://pypi.tuna.tsinghua.edu.cn/simple/keras-preprocessing,在这里我们选择Keras_Preprocessing-1.0.5-py2.py3-none-any.whl。

   继续关网安装: pip install Keras_Preprocessing-1.0.5-py2.py3-none-any.whl

tensorflow离线安装指南

图4 Keras_Preprocessing适配过程1

  参考图4,Keras_Preprocessing依赖numpy库(大于等于1.9.1),只好寻找numpy库了:

      根据网址加库名拼成:https://pypi.tuna.tsinghua.edu.cn/simple/numpy,在这里我们选择numpy-1.18.0-cp36-cp36m-manylinux1_x86_64.whl。numpy安装过程省略…

tensorflow离线安装指南

图5 numpy安装

  参考图5,numpy库安装成功了,现在我们继续安装Keras_Preprocessing:

tensorflow离线安装指南

图6 Keras_Preprocessing适配过程2

  参考图6,这次依赖six(大于等于1.9.0),寻找six库…
  然后是h5py,Keras_Applications,再次安装Keras_Preprocessing:

tensorflow离线安装指南

图7 Keras_Preprocessing适配完成

  安装了几个依赖库后,Keras_Preprocessing也终于安装成功。

  接下来还有好多库需要安装,这里就不一 一列举了,下面贴上所有依赖库的安装顺序:

	numpy-1.18.0-cp36-cp36m-manylinux1_x86_64.whl
	six-1.12.0-py2.py3-none-any.whl
	h5py-2.9.0-cp36-cp36m-manylinux1_x86_64.whl
	Keras_Applications-1.0.6-py2.py3-none-any.whl
	Keras_Preprocessing-1.0.5-py2.py3-none-any.whl
	protobuf-3.6.1-cp36-cp36m-manylinux1_x86_64.whl
	grpcio-1.8.6-cp36-cp36m-manylinux1_x86_64.whl
	gast-0.2.0.tar.gz
	wrapt-1.12.0.tar.gz
	pyparsing-2.0.3-py2.py3-none-any.whl
	packaging-20.2-py2.py3-none-any.whl
	wheel-0.35.0-py2.py3-none-any.whl
	Werkzeug-1.0.0-py2.py3-none-any.whl
	setuptools-49.5.0-py3-none-any.whl
	Markdown-2.6.11-py2.py3-none-any.whl
	absl-py-0.8.0.tar.gz
	tensorboard-1.14.0-py3-none-any.whl
	astor-0.6.1-py2.py3-none-any.whl
	tensorflow_estimator-1.14.0rc0-py2.py3-none-any.whl
	termcolor-1.1.0.tar.gz
	google_pasta-0.2.0-py3-none-any.whl

  这些库安装完成后,tensorflow就能成功安装和使用了。依赖库按照这个顺序可以制作成rpm包在断网的电脑上使用。


  依赖库下载地址:依赖库下载!