wheels Download - wheels Quellcode Download

wheels

Anderer Quellcode

Tensor

Herunterladen

Tensorflow optimierte Räder

Benutzerdefinierte Builds für TensorFlow mit Plattformoptimierungen, einschließlich SSE, AVX und FMA. Wenn Sie Nachrichten wie Folgendes mit dem Aktienpip pip install tensorflow sehen, sind Sie am richtigen Ort gekommen.

 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

Diese Räder sind für die Verwendung von Tinymind, der Cloud Machine Learning Platform, gebaut. Wenn Sie sie in Ihrer eigenen Linux -Box (Ubuntu 16.04 LTS) installieren möchten, können Sie dies mit:

 # 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}

Die Liste aller Räder finden Sie auf der Seite der Veröffentlichungen.

Versionen

Klicken Sie auf die unten stehenden Links, um zu bestimmten Release -Versionen zu springen. Auch hier sind sie für Ubuntu 16.04 LTS gebaut, sofern nicht anders angegeben.

Tf	Baut
1.1	CPU, GPU
1.2	CPU, GPU (nur Python 3.6)
1.2.1	CPU, GPU
1.3	CPU, GPU mit MPI
1.3.1	CPU, CPU -Debug, GPU, GPU mit MPI
1.4	CPU, CPU -Debug, CPU MacOS, GPU (CUDA 8, CUDA 9 für Compute 3.7, CUDA 9 für Compute 3.7/6,0/7,0, CUDA 9 Generikum, CUDA 9 ohne MKL)
1.4.1	CPU, GPU (CUDA 8, CUDA 9, CUDA 9.1)
1.5	CPU, GPU (CUDA 9, CUDA 9 ohne MKL, CUDA 9,1, CUDA 9,1 ohne MKL)
1.6	CPU, GPU (CUDA 9.1, CUDA 9.1 ohne MKL)
1.7	CPU, GPU (CUDA 9, CUDA 9,1, CUDNN 7.1)

Bitte beachten Sie, dass Ihre Maschine eine relativ neue Intel -CPU (und NVIDIA GPU, wenn Sie die GPU -Version verwenden) mit den folgenden Rädern kompatibel sein müssen. Wenn die Hardware nicht aktuell ist, funktionieren die Räder nicht.

Die Räder für Tensorflow 1.4.1 und höher enthalten Unterstützung für GCP, S3 und Hadoop. Zusammenstellungsflaggen umfassen:

 --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

Räder, die Sie höchstwahrscheinlich benötigen, sind unten aufgeführt. Benötigen Sie etwas oder ein Rad funktioniert nicht für Sie? Ein Problem einreichen. (Leider können wir keine Anfragen nach Windows -Rädern aufnehmen, da wir selbst keine Windows -Maschinen haben.)

Version	Python	Bogen	Link
1.1	2.7	CPU	https://github.com/mind/wheels/releass/download/tf1.1-cpu/tensorflow-1.1.0-cp27-cp27mu-linux_x86_64.whl
1.1	3.5	CPU	https://github.com/mind/wheels/releass/download/tf1.1-cpu/tensorflow-1.1.0-cp35-cp35m-linux_x86_64.whl
1.1	3.6	CPU	https://github.com/mind/wheels/releass/download/tf1.1-cpu/tensorflow-1.1.0-cp36-cp36m-linux_x86_64.whl
1.1	2.7	GPU	https://github.com/mind/wheels/releass/download/tf1.1-gpu/tensorflow-1.1.0-cp27-cp27mu-linux_x86_64.whl
1.1	3.5	GPU	https://github.com/mind/wheels/releass/download/tf1.1-gpu/tensorflow-1.1.0-cp35-cp35m-linux_x86_64.whl
1.1	3.6	GPU	https://github.com/mind/wheels/releass/download/tf1.1-gpu/tensorflow-1.1.0-cp36-cp36m-linux_x86_64.whl
1.2	2.7	CPU	https://github.com/mind/wheels/releass/download/tf1.2-cpu/tensorflow-1.2.0-cp27-cp27mu-linux_x86_64.whl
1.2	3.5	CPU	https://github.com/mind/wheels/releass/download/tf1.2-cpu/tensorflow-1.2.0-cp35-cp35m-linux_x86_64.whl
1.2	3.6	CPU	https://github.com/mind/wheels/releass/download/tf1.2-cpu/tensorflow-1.2.0-cp36-cp36m-linux_x86_64.whl
1.2	3.6	GPU	https://github.com/mind/wheels/releass/download/tf1.2-gpu/tensorflow-1.2.0-cp36-cp36m-linux_x86_64.whl
1.2.1	2.7	CPU	https://github.com/mind/wheels/releases/download/tf1.2.1-cpu/tensorflow-1.2.1-cp27-cp27mu-linux_x86_64.whl
1.2.1	3.5	CPU	https://github.com/mind/wheels/releass/download/tf1.2.1-cpu/tensorflow-1.2.1-cp35-cp35m-linux_x86_64.whl
1.2.1	3.6	CPU	https://github.com/mind/wheels/releass/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/releass/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/releass/download/tf1.2.1-gpu/tensorflow-1.2.1-cp35-cp35m-linux_x86_64.whl
1.2.1	3.6	GPU	https://github.com/mind/wheels/releass/download/tf1.2.1-gpu/tensorflow-1.2.1-cp36-cp36m-linux_x86_64.whl
1.3	2.7	CPU	https://github.com/mind/wheels/releass/download/tf1.3-cpu/tensorflow-1.3.0-cp27-cp27mu-linux_x86_64.whl
1.3	3.5	CPU	https://github.com/mind/wheels/releass/download/tf1.3-cpu/tensorflow-1.3.0-cp35-cp35m-linux_x86_64.whl
1.3	3.6	CPU	https://github.com/mind/wheels/releases/download/tf1.3-cpu/tensorflow-1.3.0-cp36-cp36m-linux_x86_64.whl
1.3	2.7	GPU	https://github.com/mind/wheels/releass/download/tf1.3-gpu/tensorflow-1.3.0-cp27-cp27mu-linux_x86_64.whl
1.3	3.5	GPU	https://github.com/mind/wheels/releass/download/tf1.3-gpu/tensorflow-1.3.0-cp35-cp35m-linux_x86_64.whl
1.3	3.6	GPU	https://github.com/mind/wheels/releass/download/tf1.3-gpu/tensorflow-1.3.0-cp36-cp36m-linux_x86_64.whl
1.3.1	2.7	CPU	https://github.com/mind/wheels/releass/download/tf1.3.1-cpu/tensorflow-1.3.1-cp27-cp27mu-linux_x86_64.whl
1.3.1	3.5	CPU	https://github.com/mind/wheels/releass/download/tf1.3.1-cpu/tensorflow-1.3.1-cp35-cp35m-linux_x86_64.whl
1.3.1	3.6	CPU	https://github.com/mind/wheels/releass/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/releass/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/releass/download/tf1.3.1-gpu/tensorflow-1.3.1-cp35-cp35m-linux_x86_64.whl
1.3.1	3.6	GPU	https://github.com/mind/wheels/releass/download/tf1.3.1-gpu/tensorflow-1.3.1-cp36-cp36m-linux_x86_64.whl
1.4	2.7	CPU	https://github.com/mind/wheels/releass/download/tf1.4-cpu/tensorflow-1.4.0-cp27-cp27mu-linux_x86_64.whl
1.4	3.5	CPU	https://github.com/mind/wheels/releass/download/tf1.4-cpu/tensorflow-1.4.0-cp35-cp35m-linux_x86_64.whl
1.4	3.6	CPU	https://github.com/mind/wheels/releass/download/tf1.4-cpu/tensorflow-1.4.0-cp36-cp36m-linux_x86_64.whl
1.4	2.7	GPU	https://github.com/mind/wheels/releass/download/tf1.4-gpu/tensorflow-1.4.0-cp27-cp27mu-linux_x86_64.whl
1.4	3.5	GPU	https://github.com/mind/wheels/releass/download/tf1.4-gpu/tensorflow-1.4.0-cp35-cp35m-linux_x86_64.whl
1.4	3.6	GPU	https://github.com/mind/wheels/releass/download/tf1.4-gpu/tensorflow-1.4.0-cp36-cp36m-linux_x86_64.whl
1.4.1	2.7	CPU	https://github.com/mind/wheels/releass/download/tf1.4.1-cpu/tensorflow-1.4.1-cp27-cp27mu-linux_x86_64.whl
1.4.1	3.5	CPU	https://github.com/mind/wheels/releass/download/tf1.4.1-cpu/tensorflow-1.4.1-cp35-cp35m-linux_x86_64.whl
1.4.1	3.6	CPU	https://github.com/mind/wheels/releass/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/releass/download/tf1.1.1-gpu/tensorflow-1.4.1-cp27-cp27mu-linux_x86_64.whl
1.4.1	3.5	GPU	https://github.com/mind/wheels/releass/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/releass/download/tf1.4.1-gpu/tensorflow-1.4.1-cp36-cp36m-linux_x86_64.whl
1.5	2.7	CPU	https://github.com/mind/wheels/releass/download/tf1.5-cpu/tensorflow-1.5.0-cp27-cp27mu-linux_x86_64.whl
1.5	3.5	CPU	https://github.com/mind/wheels/releass/download/tf1.5-cpu/tensorflow-1.5.0-cp35-cp35m-linux_x86_64.whl
1.5	3.6	CPU	https://github.com/mind/wheels/releass/download/tf1.5-cpu/tensorflow-1.5.0-cp36-cp36m-linux_x86_64.whl
1.5	2.7	GPU	https://github.com/mind/wheels/releass/download/tf1.5-gpu/tensorflow-1.5.0-cp27-cp27mu-linux_x86_64.whl
1.5	3.5	GPU	https://github.com/mind/wheels/releass/download/tf1.5-gpu/tensorflow-1.5.0-cp35-cp35m-linux_x86_64.whl
1.5	3.6	GPU	https://github.com/mind/wheels/releass/download/tf1.5-gpu/tensorflow-1.5.0-cp36-cp36m-linux_x86_64.whl
1.6	2.7	CPU	https://github.com/mind/wheels/releass/download/tf1.6-cpu/tensorflow-1.6.0-cp27-cp27mu-linux_x86_64.whl
1.6	3.5	CPU	https://github.com/mind/wheels/releass/download/tf1.6-cpu/tensorflow-1.6.0-cp35-cp35m-linux_x86_64.whl
1.6	3.6	CPU	https://github.com/mind/wheels/releass/download/tf1.6-cpu/tensorflow-1.6.0-cp36-cp36m-linux_x86_64.whl
1.6	2.7	GPU	https://github.com/mind/wheels/releass/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/releass/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/releass/download/tf1.6-gpu-cuda91/tensorflow-1.6.0-cp36-cp36m-linux_x86_64.whl

Helfen!

Dieser Abschnitt enthält Tipps zum Debuggen Ihres Setups. Im Ernst, probieren Sie Tinymind Out und Sie müssen nie wieder Zeit damit verschwenden, wieder zu debuggen. Wir haben auch Docker -Bilder, die Sie auf Ihren eigenen Maschinen verwenden können. Wenn dieser Abschnitt Ihr Problem nicht löst, stellen Sie sicher, dass Sie ein Problem einreichen.

CUDA

Verschiedene Tensorflow -Versionen unterstützen/erfordern unterschiedliche CUDA -Versionen:

Tf	CUDA	Cudnn	Berechnung der Fähigkeit
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 funktioniert nicht mit CUDA 9, der aktuellen Version. Anstelle von sudo apt-get install cuda müssen Sie sudo apt-get install cuda-8-0 durchführen. CUDA 8 Varianten des Tensorflow 1.4 Gehen Sie mit CUDNN 6.0 und CUDA 9.x -Varianten gehen mit 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

Stellen Sie sicher, dass die CUDA-bezogenen Umgebungsvariablen ordnungsgemäß eingestellt werden:

 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

Laden Sie den richtigen Cudnn herunter und installieren Sie sie wie folgt:

 # 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/

Vermisste libcupti Library? Installieren Sie es und fügen Sie es Ihrem PATH hinzu.

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

Tensorrt

Bestimmte Räder unterstützen Tensorrt. Um Tensorrt zu installieren, laden Sie es zuerst von der NVIDIA -Website herunter und führen Sie dann aus:

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 ist die Deep Learning Kernel Library von Intel, die die Schulung neuronaler Netze auf CPU viel schneller macht. Wenn Sie es nicht haben, installieren Sie es wie folgt:

 # 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

Bitte beachten Sie, dass Ubuntu 16.04 LTS die beabsichtigte Umgebung ist. Wenn Sie ein altes Betriebssystem haben, können Sie Probleme mit alten Glibc -Versionen treffen. Möglicherweise möchten Sie hier Diskussionen überprüfen, um zu sehen, ob sie helfen würden.