หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซี/ซี++
ดาวน์โหลด

tensorflow_cc

ที่เก็บนี้ทำให้การใช้งานของ Tensorflow C ++ API จากด้านนอกของโฟลเดอร์ซอร์สโค้ด Tensorflow และไม่มีการใช้ระบบ Bazel Build

ที่เก็บนี้มีสองโครงการ CMake การดาวน์โหลดโครงการ tensorflow_cc สร้างและติดตั้ง TensorFlow C ++ API ลงในระบบปฏิบัติการและโครงการตัวอย่างแสดงให้เห็นถึงการใช้งานที่ง่าย

นักเทียบท่า

หากคุณต้องการเริ่มใช้โครงการนี้ทันทีให้ดึงภาพ prebuilt บน Docker Hub!

เรียกใช้ภาพบน CPU: 

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

หากคุณต้องการใช้ประโยชน์จาก Nvidia GPU ให้ติดตั้ง Nvidia Docker และ Run: 

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

รายการรูปภาพที่มีอยู่:

ชื่อภาพ คำอธิบาย
floopcz/tensorflow_cc:ubuntu Ubuntu Build of tensorflow_cc
floopcz/tensorflow_cc:ubuntu-cuda Ubuntu Build of tensorflow_cc + nvidia cuda
floopcz/tensorflow_cc:archlinux arch linux build ของ tensorflow_cc
floopcz/tensorflow_cc:archlinux-cuda Arch Linux Build ของ tensorflow_cc + nvidia cuda

เพื่อสร้างภาพตัวหนึ่งด้วยตัวคุณเองเช่น ubuntu , Run, Run: 

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

การติดตั้ง

1) ติดตั้งข้อกำหนด

Ubuntu 18.04:

ติดตั้งข้อกำหนดที่เก็บ: 

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

ตั้งค่า Python 3 เป็น Python เริ่มต้น: 

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

เพื่อสร้าง tensorflow เองขั้นตอนการสร้างยังต้องใช้ 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

หากคุณต้องการการสนับสนุน GPU บน Ubuntu โปรดติดตั้งชุดเครื่องมือ Nvidia Cuda (> = 11.1), ไดรเวอร์ Nvidia, Cudnn และแพ็คเกจ cuda-command-line-tools ขั้นตอนการสร้างจะตรวจจับ CUDA โดยอัตโนมัติหากติดตั้งในไดเรกทอรี /opt/cuda หรือ /usr/local/cuda

Arch Linux: 
 sudo pacman -S base-devel bazel cmake git python python-numpy wget

สำหรับการสนับสนุน GPU บน Arch ให้ติดตั้งสิ่งต่อไปนี้: 

 sudo pacman -S cuda cudnn nvidia

คำเตือน: บางครั้ง TensorFlow เวอร์ชันใหม่บางครั้งล้มเหลวในการสร้างด้วย Bazel เวอร์ชันล่าสุด คุณอาจต้องการติดตั้ง Bazel รุ่นเก่า (เช่น 5.1.1)

คำเตือน: หากโปรแกรมของคุณใช้ protobuf และคุณพบการเชื่อมโยงหรือปัญหาอื่น ๆ คุณสามารถลอง -DINSTALL_PROTOBUF=ON ตัวเลือกในการติดตั้งเวอร์ชัน protobuf ที่ตรงกับเวอร์ชันที่รวมกับ TensorFlow Dockerfiles ของเราถูกสร้างขึ้นด้วย Protobuf เวอร์ชันที่เหมาะสมดังนั้นคุณอาจต้องการลองใช้โปรแกรมของคุณใน DockerFile ก่อน

2) โคลนที่เก็บนี้ 

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

3) สร้างและติดตั้งไลบรารี 

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

คำเตือน: การเพิ่มประสิทธิภาพสำหรับการสร้าง CPU Intel >=haswell ถูกเปิดใช้งานโดยค่าเริ่มต้น หากคุณมีโปรเซสเซอร์ที่มีอายุมากกว่า haswell Generation คุณอาจต้องการเรียกใช้ export CC_OPT_FLAGS="-march=native" ก่อนที่จะสร้าง คำสั่งนี้ให้การเพิ่มประสิทธิภาพที่ดีที่สุดเท่าที่จะเป็นไปได้สำหรับการสร้าง CPU ปัจจุบันของคุณ แต่อาจทำให้ไลบรารีที่สร้างขึ้นนั้นไม่เข้ากันกับรุ่นเก่า

คำเตือน: ในสภาพแวดล้อมที่มีหน่วยความจำต่ำหรือหลาย CPU ตัวกำหนดตารางเวลา Bazel สามารถพลาดการประมาณการการใช้ทรัพยากรและการสร้างอาจถูกยกเลิกโดยฆาตกรนอกหน่วยความจำ หากเป็นกรณีของคุณให้พิจารณาเพิ่มพารามิเตอร์ขีด จำกัด ทรัพยากรให้กับ CMake เช่น cmake -DLOCAL_RAM_RESOURCES=2048 -DLOCAL_CPU_RESOURCES=4 ..

4) (ไม่บังคับ) พื้นที่ดิสก์ฟรี 

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

การใช้งาน

1) เขียนรหัส C ++ ของคุณ: 

 // 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) Link TensorFlowCC ไปยังโปรแกรมของคุณโดยใช้ 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) สร้างและเรียกใช้โปรแกรมของคุณ 

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

หากคุณยังไม่แน่ใจให้ปรึกษา Dockerfiles สำหรับ Ubuntu และ Arch Linux

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด