الصفحة الرئيسية>المتعلقة بالبرمجة>ج/ج++
تنزيل

Tensorflow_cc

يجعل هذا المستودع من الممكن استخدام واجهة برمجة تطبيقات TensorFlow C ++ من مجلدات رمز مصدر TensorFlow ودون استخدام نظام بناء البازل.

يحتوي هذا المستودع على مشروعين CMAKE. يقوم مشروع TensorFlow_CC بتنزيل وإنشاء وتثبيت واجهة برمجة تطبيقات TensorFlow C ++ في نظام التشغيل ويوضح مشروع المثال استخدامه البسيط.

عامل ميناء

إذا كنت ترغب في البدء في استخدام هذا المشروع على الفور ، جلب صورة مبنية على Docker Hub!

تشغيل الصورة على وحدة المعالجة المركزية: 

docker run -it floopcz/tensorflow_cc:ubuntu /bin/bash

إذا كنت ترغب أيضًا في استخدام GPU NVIDIA الخاص بك ، فقم بتثبيت NVIDIA DOCKER وتشغيله: 

docker run --gpus all -it floopcz/tensorflow_cc:ubuntu-cuda /bin/bash

قائمة الصور المتاحة:

اسم الصورة وصف
floopcz/tensorflow_cc:ubuntu بناء Ubuntu من tensorflow_cc
floopcz/tensorflow_cc:ubuntu-cuda Ubuntu Build of tensorflow_cc + nvidia cuda
floopcz/tensorflow_cc:archlinux Build Linux Arch of tensorflow_cc
floopcz/tensorflow_cc:archlinux-cuda Build Linux Arch of tensorflow_cc + nvidia cuda

لبناء إحدى الصور بنفسك ، على سبيل ubuntu ، قم بتشغيل: 

docker build -t floopcz/tensorflow_cc:ubuntu -f Dockerfiles/ubuntu .

تثبيت

1) التثبيت متطلبات

أوبونتو 18.04:

تثبيت متطلبات المستودع: 

 sudo apt-get install cmake curl g++-7 git python3-dev python3-numpy sudo wget

قم بإعداد Python 3 ليكون Python الافتراضي: 

 update-alternatives --install /usr/bin/python python /usr/bin/python3 1

من أجل بناء Tensorflow نفسه ، يتطلب إجراء البناء أيضًا Bazel: 

 curl -fsSL https://bazel.build/bazel-release.pub.gpg | gpg --dearmor > bazel.gpg
sudo mv bazel.gpg /etc/apt/trusted.gpg.d/
echo "deb [arch=amd64] https://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list
sudo apt-get update && sudo apt-get install bazel

إذا كنت بحاجة إلى دعم GPU على Ubuntu ، فيرجى أيضًا تثبيت Nvidia CUDA Toolkit (> = 11.1) ، حزمة Nvidia ، Cudnn ، و cuda-command-line-tools . سيتم اكتشاف إجراء الإنشاء تلقائيًا CUDA إذا تم تثبيته في /opt/cuda أو /usr/local/cuda .

قوس لينكس: 
 sudo pacman -S base-devel bazel cmake git python python-numpy wget

لدعم GPU على القوس ، قم أيضًا بتثبيت ما يلي: 

 sudo pacman -S cuda cudnn nvidia

تحذير: تفشل الإصدارات الأحدث من TensorFlow في بعض الأحيان في البناء مع أحدث إصدار من Bazel. قد ترغب في تثبيت إصدار أقدم من Bazel (على سبيل المثال ، 5.1.1).

تحذير: إذا كان برنامجك يستخدم Protobuf وتواجه الارتباط أو المشكلات الأخرى ، فيمكنك تجربة -DINSTALL_PROTOBUF=ON ONTERS لتثبيت إصدار protobuf يطابق الإصدار المجمل مع TensorFlow. تم تصميم Dockerfiles لدينا بالفعل مع الإصدار الصحيح من Protobuf ، لذلك قد ترغب في تجربة برنامجك في Dockerfile أولاً.

2) استنساخ هذا المستودع 

 git clone https://github.com/FloopCZ/tensorflow_cc.git
cd tensorflow_cc

3) بناء وتثبيت المكتبة 

 cd tensorflow_cc
mkdir build && cd build
cmake ..
make
sudo make install
sudo ldconfig

تحذير: يتم تمكين التحسينات لتوليد وحدة المعالجة المركزية Intel >=haswell افتراضيًا. إذا كان لديك معالج أقدم من جيل haswell ، فقد ترغب في تشغيل export CC_OPT_FLAGS="-march=native" قبل الإنشاء. يوفر هذا الأمر أفضل التحسينات الممكنة لتوليد وحدة المعالجة المركزية الحالية ، ولكنه قد يتسبب في عدم توافق المكتبة المبنية مع الأجيال الأكبر سناً.

تحذير: في بيئات الذاكرة المنخفضة أو العديد من CPU ، يمكن لجدولة Bazel تفوت تقديرات استهلاك الموارد وقد يتم إنهاء البناء من قبل القاتل خارج الذاكرة. إذا كانت هذه هي حالتك ، ففكر في إضافة معلمات حد الموارد إلى CMake ، على سبيل المثال ، cmake -DLOCAL_RAM_RESOURCES=2048 -DLOCAL_CPU_RESOURCES=4 ..

4) (اختياري) مساحة القرص الحرة 

 # cleanup bazel build directory
rm -rf ~/.cache
# remove the build folder
cd .. && rm -rf build

الاستخدام

1) اكتب رمز C ++ الخاص بك: 

 // example.cpp

# include < tensorflow/core/platform/env.h >
# include < tensorflow/core/public/session.h >
# include < iostream >
using namespace std ;
using namespace tensorflow ;

int main ()
{
    Session* session;
    Status status = NewSession ( SessionOptions (), &session);
    if (!status. ok ()) {
        cout << status. ToString () << " n " ;
        return 1 ;
    }
    cout << " Session successfully created. n " ;
}

2) ربط TensorFlowcc لبرنامجك باستخدام Cmake 

 # CMakeLists.txt

find_package (TensorflowCC REQUIRED)
add_executable (example example.cpp)

# Link the Tensorflow library.
target_link_libraries (example TensorflowCC::TensorflowCC)

# You may also link cuda if it is available.
# find_package(CUDA)
# if(CUDA_FOUND)
#   target_link_libraries(example ${CUDA_LIBRARIES})
# endif()

3) بناء وتشغيل البرنامج الخاص بك 

 mkdir build && cd build
cmake .. && make
./example

إذا كنت لا تزال غير متأكد ، فاستشر Dockerfiles لـ Ubuntu و Arch Linux.

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