الصفحة الرئيسية>المتعلقة بالبرمجة>شفرة المصدر الأخرى
تنزيل

Tensorflow عجلات محسنة

تقوم Custom Builds for TensorFlow مع تحسينات النظام الأساسي ، بما في ذلك SSE و AVX و FMA. إذا كنت ترى رسائل مثل ما يلي مع pip install tensorflow ، فقد وصلت إلى المكان الصحيح. 

 The TensorFlow library wasn't compiled to use AVX instructions, but these are available on your machine and could speed up CPU computations.
The TensorFlow library wasn't compiled to use AVX2 instructions, but these are available on your machine and could speed up CPU computations.
The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available on your machine and could speed up CPU computations.
The TensorFlow library wasn't compiled to use SSE4.2 instructions, but these are available on your machine and could speed up CPU computations.

or:
Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2 AVX AVX2 FMA

تم تصميم هذه العجلات للاستخدام على Tinymind ، منصة التعلم الآلي السحابية. إذا كنت ترغب في تثبيتها على مربع Linux الخاص بك (Ubuntu 16.04 LTS) ، يمكنك القيام بذلك مع: 

 # RELEASE is the git tag like tf1.1-cpu. WHEEL is the full wheel name.
pip --no-cache-dir install https://github.com/mind/wheels/releases/download/{RELEASE}/{WHEEL}

يمكن العثور على قائمة جميع العجلات في صفحة الإصدارات.

الإصدارات

انقر على الروابط أدناه للقفز إلى إصدارات الإصدار المحددة. مرة أخرى ، تم بناؤها لـ Ubuntu 16.04 LTS ما لم يذكر خلاف ذلك.

TF يبني
1.1 وحدة المعالجة المركزية ، GPU
1.2 وحدة المعالجة المركزية ، GPU (Python 3.6 فقط)
1.2.1 وحدة المعالجة المركزية ، GPU
1.3 وحدة المعالجة المركزية ، GPU مع MPI
1.3.1 وحدة المعالجة المركزية ، تصحيح وحدة المعالجة المركزية ، GPU ، GPU مع MPI
1.4 وحدة المعالجة المركزية ، تصحيح وحدة المعالجة المركزية ، وحدة المعالجة المركزية MACOS ، GPU (CUDA 8 ، CUDA 9 للحساب 3.7 ، CUDA 9 للحساب 3.7/6.0/7.0 ، CUDA 9 Generic ، CUDA 9 بدون MKL)
1.4.1 وحدة المعالجة المركزية ، GPU (كودا 8 ، كودا 9 ، كودا 9.1)
1.5 وحدة المعالجة المركزية ، GPU (CUDA 9 ، CUDA 9 بدون MKL ، CUDA 9.1 ، CUDA 9.1 بدون MKL)
1.6 وحدة المعالجة المركزية ، GPU (CUDA 9.1 ، CUDA 9.1 بدون MKL)
1.7 وحدة المعالجة المركزية ، GPU (CUDA 9 ، CUDA 9.1 ، CUDNN 7.1)

يرجى ملاحظة أن جهازك يحتاج إلى أن يكون وحدة المعالجة المركزية Intel جديدة نسبيًا (و NVIDIA GPU إذا كنت تستخدم إصدار GPU) لتكون متوافقة مع العجلات أدناه. إذا لم تكن الأجهزة محدثة ، فلن تعمل العجلات.

تحتوي عجلات TensorFlow 1.4.1 وما فوقها على دعم لـ GCP و S3 و Hadoop. تتضمن أعلام التجميع: 

 --config=opt --config=cuda --cxxopt=-D_GLIBCXX_USE_CXX11_ABI=0 --copt=-mavx --copt=-msse4.1 --copt=-msse4.2 --copt=-mavx2 --copt=-mfma --copt=-mfpmath=both

العجلات التي ستحتاجها على الأرجح مدرجة أدناه. هل تحتاج إلى شيء أو عجلة لا تعمل من أجلك؟ تقديم مشكلة. (لسوء الحظ ، لن نتمكن من استيعاب طلبات Windows Wheels ، حيث لا يوجد لدينا أجهزة Windows بأنفسنا.)

إصدار بيثون قوس وصلة
1.1 2.7 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.1-cpu/tensorflow-1.1.0-cp27-cp27mu-linux_x86_64.whl
1.1 3.5 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.1-cpu/tensorflow-1.1.0-cp35-cp35m-linux_x86_64.whl
1.1 3.6 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.1-cpu/tensorflow-1.1.0-cp36-cp36m-linux_x86_64.whl
1.1 2.7 GPU https://github.com/mind/wheels/release/download/tf1.1-gpu/tensorflow-1.1.0-cp27-cp27mu-linux_x86_64.whl
1.1 3.5 GPU https://github.com/mind/wheels/release/download/tf1.1-gpu/tensorflow-1.1.0-cp35-cp35m-linux_x86_64.whl
1.1 3.6 GPU https://github.com/mind/wheels/release/download/tf1.1-gpu/tensorflow-1.1.0-cp36-cp36m-linux_x86_64.whl
1.2 2.7 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.2-cpu/tensorflow-1.2.0-cp27-cp27mu-linux_x86_64.whl
1.2 3.5 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.2-cpu/tensorflow-1.2.0-cp35-cp35m-linux_x86_64.whl
1.2 3.6 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.2-cpu/tensorflow-1.2.0-cp36-cp36m-linux_x86_64.whl
1.2 3.6 GPU https://github.com/mind/wheels/release/download/tf1.2-gpu/tensorflow-1.2.0-cp36-cp36m-linux_x86_64.whl
1.2.1 2.7 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.2.1-cpu/tensorflow-1.2.1-cp27-cp27mu-linux_x86_64.whl
1.2.1 3.5 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.2.1-cpu/tensorflow-1.2.1-cp35--linux_x86_64.whl
1.2.1 3.6 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.2.1-cpu/tensorflow-1.2.1-cp36-cp36m-linux_x86_64.whl
1.2.1 2.7 GPU https://github.com/mind/wheels/release/download/tf1.2.1-gpu/tensorflow-1.2.1-cp27-cp27mu-linux_x86_64.whl
1.2.1 3.5 GPU https://github.com/mind/wheels/release/download/tf1.2.1-gpu/tensorflow-1.2.1-cp35--linux_x86_64.whl
1.2.1 3.6 GPU https://github.com/mind/wheels/release/download/tf1.2.1-gpu/tensorflow-1.2.1-cp36-cp36m-linux_x86_64.whl
1.3 2.7 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.3-cpu/tensorflow-1.3.0-cp27-cp27mu-linux_x86_64.whl
1.3 3.5 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.3-cpu/tensorflow-1.3.0-cp35-cp35m-linux_x86_64.whl
1.3 3.6 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.3-cpu/tensorflow-1.3.0-cp36-cp36m-linux_x86_64.whl
1.3 2.7 GPU https://github.com/mind/wheels/release/download/tf1.3-gpu/tensorflow-1.3.0-cp27-cp27mu-linux_x86_64.whl
1.3 3.5 GPU https://github.com/mind/wheels/release/download/tf1.3-gpu/tensorflow-1.3.0-cp35-cp35m-linux_x86_64.whl
1.3 3.6 GPU https://github.com/mind/wheels/release/download/tf1.3-gpu/tensorflow-1.3.0-cp36-cp36m-linux_x86_64.whl
1.3.1 2.7 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.3.1-cpu/tensorflow-1.3.1-cp27-cp27mu-linux_x86_64.whl
1.3.1 3.5 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.3.1-cpu/tensorflow-1.3.1-cp35-cp35m-linux_x86_64.whl
1.3.1 3.6 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.3.1-cpu/tensorflow-1.3.1-cp36-cp36m-linux_x86_64.whl
1.3.1 2.7 GPU https://github.com/mind/wheels/release/download/tf1.3.1-gpu/tensorflow-1.3.1-cp27-cp27mu-linux_x86_64.whl
1.3.1 3.5 GPU https://github.com/mind/wheels/release/download/tf1.3.1-gpu/tensorflow-1.3.1-cp35--linux_x86_64.whl
1.3.1 3.6 GPU https://github.com/mind/wheels/release/download/tf1.3.1-gpu/tensorflow-1.3.1-cp36-cp36m-linux_x86_64.whl
1.4 2.7 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.4-cpu/tensorflow-1.4.0-cp27-cp27mu-linux_x86_64.whl
1.4 3.5 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.4-cpu/tensorflow-1.4.0-cp35-cp35m-linux_x86_64.whl
1.4 3.6 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.4-cpu/tensorflow-1.4.0-cp36-cp36m-linux_x86_64.whl
1.4 2.7 GPU https://github.com/mind/wheels/release/download/tf1.4-gpu/tensorflow-1.4.0-cp27-cp27mu-linux_x86_64.whl
1.4 3.5 GPU https://github.com/mind/wheels/release/download/tf1.4-gpu/tensorflow-1.4.0-cp35-cp35m-linux_x86_64.whl
1.4 3.6 GPU https://github.com/mind/wheels/release/download/tf1.4-gpu/tensorflow-1.4.0-cp36-cp36m-linux_x86_64.whl
1.4.1 2.7 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.4.1-cpu/tensorflow-1.4.1-cp27-cp27mu-linux_x86_64.whl
1.4.1 3.5 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.4.1-cpu/tensorflow-1.4.1-cp35-cp35m-linux_x86_64.whl
1.4.1 3.6 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.4.1-cpu/tensorflow-1.4.1-cp36-cp36m-linux_x86_64.whl
1.4.1 2.7 GPU https://github.com/mind/wheels/release/download/tf1.4.1-gpu/tensorflow-1.4.1-cp27-cp27mu-linux_x86_64.whl
1.4.1 3.5 GPU https://github.com/mind/wheels/release/download/tf1.4.1-gpu/tensorflow-1.4.1-cp35-cp35m-linux_x86_64.whl
1.4.1 3.6 GPU https://github.com/mind/wheels/release/download/tf1.4.1-gpu/tensorflow-1.4.1-cp36-cp36m-linux_x86_64.whl
1.5 2.7 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.5-cpu/tensorflow-1.5.0-cp27-cp27mu-linux_x86_64.whl
1.5 3.5 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.5-cpu/tensorflow-1.5.0-cp35-cp35m-linux_x86_64.whl
1.5 3.6 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.5-cpu/tensorflow-1.5.0-cp36-cp36m-linux_x86_64.whl
1.5 2.7 GPU https://github.com/mind/wheels/release/download/tf1.5-gpu/tensorflow-1.5.0-cp27-cp27mu-linux_x86_64.whl
1.5 3.5 GPU https://github.com/mind/wheels/release/download/tf1.5-gpu/tensorflow-1.5.0-cp35-cp35m-linux_x86_64.whl
1.5 3.6 GPU https://github.com/mind/wheels/release/download/tf1.5-gpu/tensorflow-1.5.0-cp36-cp36m-linux_x86_64.whl
1.6 2.7 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.6-cpu/tensorflow-1.6.0-cp27-cp27mu-linux_x86_64.whl
1.6 3.5 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.6-cpu/tensorflow-1.6.0-cp35-cp35m-linux_x86_64.whl
1.6 3.6 وحدة المعالجة المركزية https://github.com/mind/wheels/release/download/tf1.6-cpu/tensorflow-1.6.0-cp36-cp36m-linux_x86_64.whl
1.6 2.7 GPU https://github.com/mind/wheels/release/download/tf1.6-gpu-cuda91/tensorflow-1.6.0-cp27-cp27mu-linux_x86_64.whl
1.6 3.5 GPU https://github.com/mind/wheels/release/download/tf1.6-gpu-cuda91/tensorflow-1.6.0-cp35-cp35m-linux_x86_64.whl
1.6 3.6 GPU https://github.com/mind/wheels/release/download/tf1.6-gpu-cuda91/tensorflow-1.6.0-cp36-cp36m-linux_x86_64.whl

يساعد!

يحتوي هذا القسم على نصائح لتصحيح الإعداد الخاص بك. على محمل الجد ، جرب Tinymind خارج ولن تحتاج أبدًا إلى إضاعة الوقت في التصحيح مرة أخرى. لدينا أيضًا صور Docker التي يمكنك استخدامها على أجهزتك الخاصة. إذا لم يحل هذا القسم مشكلتك ، فتأكد من تقديم مشكلة.

كودا

تدعم إصدارات TensorFlow المختلفة/تتطلب إصدارات CUDA مختلفة:

TF كودا كودن حساب القدرة
1.1 ، 1.2 8.0 5.1 3.7 (K80)
1.2.1-1.3.1 8.0 6.0 3.7
1.4 8.0/9.0 6.0/7.0 3.7 ، 6.0 (P100) ، 7.0 (V100)
1.4.1 8.0/9.0/9.1 6.0/7.0 3.7 ، 6.0 ، 7.0
1.5 9.0/9.1 7.0 3.7 ، 6.0 ، 7.0
1.6 9.1 7.0 3.7 ، 6.0 ، 7.0
1.7 9.0/9.1 7.0/7.1 3.7 ، 6.0 ، 7.0

TensorFlow <1.4 لا يعمل مع CUDA 9 ، الإصدار الحالي. بدلاً من sudo apt-get install cuda ، تحتاج إلى القيام sudo apt-get install cuda-8-0 . CUDA 8 المتغيرات من TensorFlow 1.4 GO مع Cudnn 6.0 ، و CUDA 9.x المتغيرات مع Cudnn 7.x. 

 # Install CUDA 8
curl -O http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_8.0.61-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1604_8.0.61-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda-8-0

# Install CUDA 9
curl -O http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_9.0.176-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1604_9.0.176-1_amd64.deb
sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda

تأكد من ضبط متغيرات البيئة المتعلقة بـ CUDA بشكل صحيح: 

 echo ' export CUDA_HOME=/usr/local/cuda ' >> ~ /.bashrc
echo ' export PATH=$PATH:$CUDA_HOME/bin ' >> ~ /.bashrc
echo ' export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDA_HOME/lib64 ' >> ~ /.bashrc
. ~ /.bashrc

قم بتنزيل Cudnn الصحيح وقم بتثبيته على النحو التالي: 

 # The cuDNN tar file.
tar xzvf cudnn-9.0-linux-x64-v7.0.tgz
sudo cp cuda/lib64/ * /usr/local/cuda/lib64/
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/

مكتبة libcupti المفقودة؟ قم بتثبيته وأضفه إلى PATH . 

sudo apt-get install libcupti-dev
echo ' export LD_LIBRARY_PATH=/usr/local/cuda/extras/CUPTI/lib64:$LD_LIBRARY_PATH ' >> ~ /.bashrc

Tensorrt

بعض العجلات تدعم tensorrt. لتثبيت Tensorrt ، قم أولاً بتنزيله من موقع Nvidia ، ثم تشغيله: 

sudo dpkg -i nv-tensorrt-repo-ubuntu1604-ga-cuda9.0-trt3.0.4-20180208_1-1_amd64.deb
sudo apt-get update
sudo apt-get install tensorrt

MKL

MKL هي مكتبة kernel التعلم العميقة من Intel ، والتي تجعل التدريب الشباك العصبية على وحدة المعالجة المركزية أسرع بكثير. إذا لم يكن لديك ذلك ، فقم بتثبيته مثل ما يلي: 

 # If you don't have cmake
sudo apt install cmake

git clone https://github.com/01org/mkl-dnn.git
cd mkl-dnn/scripts && ./prepare_mkl.sh && cd ..
mkdir -p build && cd build && cmake .. && make
sudo make install

echo ' export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib ' >> ~ /.bashrc

GLIBC 2.23

يرجى ملاحظة أن Ubuntu 16.04 LTS هي البيئة المقصودة. إذا كان لديك نظام تشغيل قديم ، فقد تواجه مشكلات مع إصدارات GLIBC القديمة. قد ترغب في التحقق من المناقشات هنا لمعرفة ما إذا كانت ستساعد.

MPI

باستخدام عجلة مع دعم MPI؟ تأكد من تشغيل sudo apt-get install mpich .

يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل