[ອັບເດດ 1] ການສ້າງແລະຕິດຕັ້ງ TensorFlow GPU / CPU ສຳ ລັບ Windows ຈາກລະຫັດແຫຼ່ງທີ່ມີ Bazel ແລະ Python 3.6

ນີ້ແມ່ນການປັບປຸງໃຫ້ກັບເລື່ອງລາວທີ່ຜ່ານມາ. ມີຫຍັງ ໃໝ່ ຢູ່ນີ້:

  • TensorFlow v1.11
  • CUDA v10.0
  • cuDNN v7.3

ມີຄູ່ມືແນະ ນຳ ໃນເວບໄຊທ໌ທາງການ. ມັນບໍ່ຄົບຖ້ວນຫຼາຍ, ແຕ່ມັນກໍ່ມີປະໂຫຍດໃນບາງຄັ້ງຄາວ.

ບົດສະຫຼຸບ

  1. ຕິດຕັ້ງ Git ສຳ ລັບ Windows
  2. ຕິດຕັ້ງ Bazel
  3. ຕິດຕັ້ງ MSYS2 x64 ແລະເຄື່ອງມືບັນທັດຄໍາສັ່ງ
  4. ຕິດຕັ້ງ Visual Studio 2017 ສ້າງເຄື່ອງມື, ລວມທັງ Visual Studio 2015 Build Tools
  5. ຕິດຕັ້ງ Python 3.6 64-bit
  6. ຕິດຕັ້ງ NVIDIA CUDA 10.0 ແລະ cuDNN 7.3 (ສຳ ລັບເລັ່ງ GPU)
  7. ຕັ້ງຄ່າສະພາບແວດລ້ອມການກໍ່ສ້າງ
  8. Clone ລະຫັດແຫຼ່ງຂອງ TensorFlow v1.11 ແລະ ນຳ ໃຊ້ແຜ່ນທີ່ບັງຄັບ
  9. ຕັ້ງຄ່າຕົວ ກຳ ນົດການກໍ່ສ້າງ
  10. ສ້າງ TensorFlow ຈາກແຫລ່ງຕ່າງໆ
  11. ສ້າງເອກະສານຂັບລົດ TensorFlow ສຳ ລັບ Python 3.6
  12. ຕິດຕັ້ງແຟ້ມລໍ້ TensorFlow ສຳ ລັບ Python 3.6 ແລະກວດເບິ່ງຜົນໄດ້ຮັບ

ຂັ້ນຕອນທີ 1: ຕິດຕັ້ງ Git ສຳ ລັບ Windows

ດາວໂຫລດແລະຕິດຕັ້ງ Git ສຳ ລັບ Windows. ຂ້ອຍເອົາມັນຢູ່ນີ້. ໃຫ້ແນ່ໃຈວ່າເສັ້ນທາງສູ່ git.exe ໄດ້ຖືກເພີ່ມເຂົ້າໃນຕົວປ່ຽນແປງສະພາບແວດລ້ອມ% PATH%. ຂ້ອຍ ກຳ ລັງຕິດຕັ້ງ Git ຢູ່ໃນ

C: \ Bin \ Git

ແຟ້ມ ສຳ ລັບການສອນນີ້.

ຂັ້ນຕອນທີ 2: ຕິດຕັ້ງ MSYS2 x64 ແລະເຄື່ອງມືບັນທັດ Command

ດາວໂຫລດແລະຕິດຕັ້ງການແຈກຢາຍ 64 ບິດທີ່ນີ້. Bazel ໃຊ້ grep, patch, unzipand, ແລະພອດອື່ນໆຈາກ Unix tools ເພື່ອສ້າງແຫຼ່ງຂໍ້ມູນ. ທ່ານສາມາດພະຍາຍາມຊອກຫາໄບນາລີຕ່າງຫາກ ສຳ ລັບແຕ່ລະອັນ, ແຕ່ຂ້ອຍມັກໃຊ້ມັດ MSYS2. ຂ້ອຍຕິດຕັ້ງມັນຢູ່ໃນ

C: \ Bin \ msys64

ແຟ້ມ ສຳ ລັບການສອນນີ້. ທ່ານ ຈຳ ເປັນຕ້ອງເພີ່ມໂຟນເດີເຄື່ອງມືເຂົ້າໃນຕົວປ່ຽນແປງສະພາບແວດລ້ອມ% PATH%. ໃນກໍລະນີຂອງຂ້ອຍມັນແມ່ນ "C: \ Bin \ msys64 \ usr \ bin".

ເລີ່ມຕົ້ນການເຊື່ອມຕໍ່ "MSYS2 MinGW 64-Bit" ຜ່ານເມນູເລີ່ມຕົ້ນ. ເພື່ອປັບປຸງ, ດຳ ເນີນການ ຄຳ ສັ່ງຕໍ່ໄປນີ້ (restart MSYS2 MinGW 64-bit ເມື່ອຖືກກະຕຸ້ນ):

Pacman Syu

ຫຼັງຈາກນັ້ນ, ດຳ ເນີນການ:

Pacman -Su

ຕ້ອງມີເຄື່ອງມືຕິດຕັ້ງ ສຳ ລັບການກໍ່ສ້າງ:

ຍົກເລີກການເພີ້ມຂອງ Pacman

ປິດ MSYS2 MinGW 64-Bit-Shell ດ້ວຍ ຄຳ ສັ່ງ "ອອກທາງ". ພວກເຮົາບໍ່ຕ້ອງການມັນອີກຕໍ່ໄປ.

ຂັ້ນຕອນທີ 3: ຕິດຕັ້ງ Visual Studio 2017 ສ້າງເຄື່ອງມື, ລວມທັງ Visual Studio 2015 Build Tools

ພວກເຮົາ ຈຳ ເປັນຕ້ອງຕິດຕັ້ງ VC ++ 2015.3 v14.00 (v140) ສຳ ລັບຊຸດເຄື່ອງມືເທິງຄອມພິວເຕີ້ຈາກ Visual Studio 2017 Build Tools ເພື່ອສ້າງ TensorFlow v1.11:

ຂັ້ນຕອນທີ 4: ຕິດຕັ້ງ Bazel

ດາວໂຫລດ Basel ລ້າສຸດທີ່ນີ້. ຊອກຫາເອກະສານ bazel- -windows-x86_64.exe. ຂ້ອຍໄດ້ທົດສອບການສອນນີ້ດ້ວຍ Bazel 0.17.2. ປ່ຽນຊື່ຖານສອງເປັນ bazel.exe ແລະຍ້າຍມັນໄປທີ່ໄດເລກະທໍລີໃນ% PATH% ເພື່ອໃຫ້ທ່ານສາມາດເອີ້ນໃຊ້ Bazel ໂດຍການພິມ bazel ໃນໄດເລກະທໍລີໃດກໍ່ໄດ້. ສຳ ລັບລາຍລະອຽດກ່ຽວກັບການຕິດຕັ້ງ Bazel ສຳ ລັບ Windows x64, ກະລຸນາອ້າງອີງເຖິງບັນຫາ.

ເພີ່ມຕົວແປສະພາບແວດລ້ອມທົ່ວໂລກ BAZEL_SH ສຳ ລັບ ຕຳ ແໜ່ງ bash. ວິທີການຂອງຂ້ອຍແມ່ນ

C: \ Bin \ msys64 \ usr \ bin \ bash.exe

ເພີ່ມຕົວແປສິ່ງແວດລ້ອມທົ່ວໂລກ BAZEL_VC ສຳ ລັບເຄື່ອງມື "VC ++ 2015.3 v14.00 (v140) ສຳ ລັບ desktop":

C: \ Files Files (x86) \ Microsoft Visual Studio 14.0 \ VC

ຂັ້ນຕອນທີ 5: ຕິດຕັ້ງ Python 3.6 64-bit

TensorFlow ບໍ່ຮອງຮັບ Python 3.7, ດັ່ງນັ້ນທ່ານຈະຕ້ອງຕິດຕັ້ງລຸ້ນ 3.6.
ເບິ່ງຄືວ່າ TensorFlow v1.11 ບໍ່ສະ ໜັບ ສະ ໜູນ Anaconda / Miniconda ສຳ ລັບການກໍ່ສ້າງ - ຂ້ອຍ ກຳ ລັງໄດ້ຮັບຄວາມຜິດພາດທີ່ແປກ. ນັ້ນແມ່ນເຫດຜົນທີ່ຂ້ອຍໃຊ້ສະພາບແວດລ້ອມ virtual Python ເພື່ອສ້າງ.

Python 3.6 ສາມາດດາວໂຫລດໄດ້ທີ່ນີ້. ຕິດຕັ້ງມັນແລະເພີ່ມສະຖານທີ່ python.exe ໃສ່ຕົວແປ% PATH.

ຂັ້ນຕອນທີ 6: ຕິດຕັ້ງ NVIDIA CUDA 10.0 ແລະ cuDNN 7.3 (ສຳ ລັບການເລັ່ງ GPU)

ສ່ວນນີ້ແມ່ນປະຈຸບັນຖ້າທ່ານມີບັດກາຟິກ NVIDIA ທີ່ຮອງຮັບ CUDA. ຖ້າບໍ່ດັ່ງນັ້ນ, ຂ້າມພາກນີ້.
ການຕິດຕັ້ງ CUDA ເປັນແຕ່ລະບາດກ້າວແມ່ນມີຢູ່ທີ່ນີ້ຖ້າທ່ານຕ້ອງການຄວາມຊ່ວຍເຫລືອ. ຂ້ອຍ ກຳ ລັງຄັດລອກຄູ່ມືນີ້ແຕ່ຕັດອອກບາງລາຍລະອຽດ.

ເຂົ້າໄປທີ່ https://developer.nvidia.com/cuda-downloads ແລະດາວໂຫລດຕົວຕິດຕັ້ງ CUDA 10.0 ສຳ ລັບ Windows [ລຸ້ນຂອງທ່ານ]. ສຳ ລັບຂ້ອຍຮຸ່ນແມ່ນ Windows 10.

ຕິດຕັ້ງມັນຢູ່ໃນໄດເລກະທໍລີທີ່ມີການຕັ້ງຄ່າເລີ່ມຕົ້ນ, ແຕ່ປິດຕົວເລືອກ VisualStudio integration. ຄົນຂັບ GPU ຈະຖືກປັບປຸງແລະເລີ່ມ ໃໝ່ ຖ້າ ຈຳ ເປັນ.

ດໍາເນີນການຄໍາສັ່ງ cmd (Win + R)

ຄຳ ສັ່ງຕໍ່ໄປນີ້ກວດເບິ່ງສະບັບຂອງ nvcc ແລະຮັບປະກັນວ່າມັນຖືກ ກຳ ນົດໄວ້ໃນຕົວປ່ຽນສະພາບແວດລ້ອມຂອງເສັ້ນທາງ.

nvcc - ການປ່ຽນເສັ້ນທາງ

ເຂົ້າໄປທີ່ https://developer.nvidia.com/cudnn (ຕ້ອງເປັນສະມາຊິກ).

ຫຼັງຈາກເຂົ້າສູ່ລະບົບ, ດາວໂຫລດ:

cuDNN v7.3.1 ຫໍສະ ໝຸດ ສຳ ລັບ Windows [ລຸ້ນຂອງທ່ານ] ສຳ ລັບຂ້າພະເຈົ້າ Windows 10. ໄປທີ່ໂຟນເດີທີ່ທ່ານດາວໂຫລດແລະສະກັດໄຟລ໌ zip.

ໄປທີ່ໂຟນເດີທີ່ສະກັດເອົາແລະຄັດລອກແຟ້ມແລະແຟ້ມທັງ ໝົດ ຈາກໂຟນເດີ cuda (ເຊັ່ນ: ຖັງ, ລວມ, lib) ແລະວາງພວກມັນລົງໃນ "C: \ Program Files Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.0 " ຫນຶ່ງ.

ຂັ້ນຕອນສຸດທ້າຍແມ່ນການເພີ່ມ "C: \ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v10.0 \ extras \ CUPTI \ libx64" ກັບຕົວແປ% PATH% environment.

ຂັ້ນຕອນທີ 7: ກຳ ນົດສະພາບແວດລ້ອມໃນການສ້າງ

ເລີ່ມຫີບ VC ++ 2015 ສຳ ລັບ x64 (ຫຍໍ້“ VS2015 x64 ເຄື່ອງມື ຄຳ ສັ່ງພື້ນເມືອງ”) ຈາກເມນູເລີ່ມຕົ້ນ.

ຕໍ່ໄປ, ທ່ານ ຈຳ ເປັນຕ້ອງສ້າງ, ກະຕຸ້ນແລະ ກຳ ນົດສະພາບແວດລ້ອມຂອງ Python. ປະຕິບັດ ຄຳ ສັ່ງຫອຍຕໍ່ໄປນີ້ໃນ“ VS2015 x64 ເຄື່ອງມື ຄຳ ສັ່ງພື້ນເມືອງ” (ແກ້ໄຂເສັ້ນທາງຕາມ ຕຳ ແໜ່ງ ຂອງທ່ານ).

pip3 ຕິດຕັ້ງ -U virtualenv
virtualenv - ລະບົບ-site-packages C: \ Users \ amsokol \ tensorflow-v1.11
C: \ ຜູ້ໃຊ້ \ amsokol \ tensorflow-v1.11 \ Scripts \ activ.bat

ຫອຍຂອງທ່ານຄວນມີລັກສະນະນີ້ຫຼັງຈາກທີ່ໃຊ້ ຄຳ ສັ່ງ:

ຕິດຕັ້ງແພັກເກດ Python ທີ່ ຈຳ ເປັນ:

pip3 ຕິດຕັ້ງລໍ້ ຈຳ ນວນ 6 ລໍ້
pip3 ຕິດຕັ້ງ keras_applications == 1.0.5 - no-deps
pip3 ຕິດຕັ້ງ keras_preprocessing == 1.0.3 - no-deps

ດໍາເນີນການ "ບັນຊີລາຍຊື່ pip3" ເພື່ອໃຫ້ແນ່ໃຈວ່າຊຸດທີ່ຖືກບັງຄັບໄດ້ຖືກຕິດຕັ້ງ:

ນັ້ນແມ່ນ ສຳ ລັບດຽວນີ້. ຢ່າປິດໂຖ.

ຂັ້ນຕອນທີ 8: Clone ລະຫັດແຫຼ່ງ TensorFlow ແລະໃສ່ແຜ່ນບັງຄັບ

ຫນ້າທໍາອິດ, ທ່ານຈໍາເປັນຕ້ອງເລືອກໂຟນເດີທີ່ທ່ານຕ້ອງການທີ່ຈະລວບລວມລະຫັດແຫຼ່ງ TensorFlow. ໃນກໍລະນີຂອງຂ້ອຍມັນແມ່ນ "C: \ Users \ amsokol \ Development \ tensorflow-build". ກັບໄປຫາຫອຍແລະແລ່ນ:

cd C: \ ຜູ້ໃຊ້ \ amsokol \ ພັດທະນາ \ tensorflow-build

ລະຫັດແຫຼ່ງ Clone:

Git clone https://github.com/tensorflow/tensorflow

Checkout ຮຸ່ນຫຼ້າສຸດ 1.11:

cd tensorflow
git ເຊັກ v1.11.0

ຕອນນີ້ພວກເຮົາມີແຫຼ່ງຂໍ້ມູນແລ້ວ.

ມີ BUG ຢູ່ໃນຫໍສະມຸດພາກສ່ວນທີສາມຂອງພວກເຂົາເອງ. ພວກເຮົາ ຈຳ ເປັນຕ້ອງແກ້ໄຂກ່ອນທີ່ຈະປຸກສ້າງ.
  • ດາວໂຫລດເພີ້ມຢູ່ບ່ອນນີ້ແລະບັນທຶກມັນດ້ວຍຊື່ eigen_half.patch ໃນໂຟເດີທີສາມ
  • ເພີ່ມ patch_file = clean_dep ("// third_party: eigen_half.patch"), ຕິດກັບສ່ວນ "eigen_archive" ຂອງເອກະສານ tensorflow / workspace.bzl.

ຜົນໄດ້ຮັບໃນເອກະສານ tensorflow / workspace.bzl ຄວນມີລັກສະນະດັ່ງນີ້:

... tf_http_archive (ຊື່ = "eigen_archive", urls = ["https://mirror.bazel.build/bitbucket.org/eigen/eigen/get/fd6845384b86.tar.gz", "https://bitbucket.org /eigen/eigen/get/fd6845384b86.tar.gz ",], sha256 =" d956415d784fa4e42b6a2a45c32556d6aec9d0a3d8ef48baee2522ab762556a9 ", strip_prefix", strip_prefix ("// third_party: eigen_half.patch"),) ...

ເຮັດແລ້ວ.

ຂັ້ນຕອນທີ 9: ກຳ ນົດຄ່າຕົວ ກຳ ນົດການກໍ່ສ້າງ

ໃຫ້ແນ່ໃຈວ່າພວກເຮົາຢູ່ໃນໂຟນເດີຮາກລະຫັດແຫຼ່ງ:

cd C: \ ຜູ້ໃຊ້ \ amsokol \ ພັດທະນາ \ tensorflow-build \ tensorflow

ດຳ ເນີນການຕັ້ງຄ່າ:

python ./configure.py

ກ່ອນອື່ນ ໝົດ ທ່ານຈະຖືກຖາມຫາທີ່ຕັ້ງຂອງ Python. ກົດ Enter ເພື່ອຮັກສາຄ່າເລີ່ມຕົ້ນ:

... ທ່ານໄດ້ຕິດຕັ້ງ bazel 0.17.2 ແລ້ວ.
ກະລຸນາລະບຸສະຖານທີ່ຂອງ Python. [ມາດຕະຖານແມ່ນ C: \ Users \ amsokol \ tensorflow-v1.11 \ Scripts \ python.exe]:

ຈາກນັ້ນທ່ານຈະຖືກຂໍໃຫ້ໄປຫາຫໍສະຫມຸດ Python. ກົດ Enter ເພື່ອຮັກສາຄ່າເລີ່ມຕົ້ນ:

ຕິດຕາມ (ໂທສຸດທ້າຍ): file " ", ເສັ້ນ 1, ໃນ AttributeError: Module 'Site' ບໍ່ມີເຫດຜົນວ່າ 'getitepackages' ພົບຊ່ອງທາງຫ້ອງສະ ໝຸດ Python ທີ່ເປັນໄປໄດ້: C: \ Users \ amsokol \ tensorflow-v1.11 \ Lib \ site-packages ກະລຸນາໃສ່ທີ່ຫ້ອງສະຫມຸດ Python ທີ່ຕ້ອງການ ມາດຕະຖານແມ່ນ [C: \ Users \ amsokol \ tensorflow-v1.11 \ Lib \ site-packages]

ຫຼັງຈາກນັ້ນທ່ານຈະຖືກຂໍໃຫ້ສະ ໜັບ ສະ ໜູນ nGraph. ພວກເຮົາບໍ່ຕ້ອງການມັນ. ກົດປຸ່ມ "n":

ທ່ານຕ້ອງການສ້າງ TensorFlow ດ້ວຍການສະ ໜັບ ສະ ໜູນ nGraph ບໍ? [Y / N]: ການສະ ໜັບ ສະ ໜູນ n nGraph ບໍ່ໄດ້ຖືກເປີດໃຊ້ ສຳ ລັບ TensorFlow.

ຫຼັງຈາກນັ້ນມັນຂໍການສະ ໜັບ ສະ ໜູນ CUDA:

ທ່ານຕ້ອງການສ້າງ TensorFlow ດ້ວຍການສະ ໜັບ ສະ ໜູນ ຂອງ CUDA ບໍ? [Y / N]:

ຕອບ "y" ຖ້າທ່ານຕ້ອງການໃຊ້ GPU ເລັ່ງ. ຖ້າບໍ່ດັ່ງນັ້ນ, ໃຫ້ກົດ "n".

ຖ້າແມ່ນ ສຳ ລັບຜູ້ ກຳ ນົດຄ່າ CUDA, ຄຳ ຖາມເພີ່ມເຕີມແມ່ນຖືກຖາມ:
ຕອບ ຄຳ ຕອບ 10.0 ເປັນ CUDA SDK ລຸ້ນ:
ກະລຸນາລະບຸລຸ້ນ CUDA SDK ທີ່ທ່ານຕ້ອງການໃຊ້. [ປ່ອຍໃຫ້ເປົ່າເພື່ອໃຊ້ CUDA 9.0 ໂດຍຄ່າເລີ່ມຕົ້ນ]: 10.0
ກົດ Enter ເພື່ອອອກຈາກ ຕຳ ແໜ່ງ ເຄື່ອງມືຂອງ CUDA ໃນຕອນຕົ້ນ:
ກະລຸນາລະບຸສະຖານທີ່ທີ່ຊຸດເຄື່ອງມືຂອງ CUDA 10.0 ຖືກຕິດຕັ້ງ. ເບິ່ງ README.md ສຳ ລັບຂໍ້ມູນເພີ່ມເຕີມ. [ຄ່າເລີ່ມຕົ້ນແມ່ນ C: / Programs / NVIDIA GPU ເຄື່ອງຄອມພິວເຕີ້ຄອມພິວເຕີ້ / CUDA / v10.0]:
ຕອບ 7.3.1 ເປັນສະບັບ cuDNN:
ກະລຸນາລະບຸສະບັບ cuDNN ທີ່ຕ້ອງການ. [ປ່ອຍໃຫ້ຊ່ອງວ່າງເພື່ອໃຊ້ cuDNN 7.0 ໂດຍຄ່າເລີ່ມຕົ້ນ]: 7.3.1
ກົດ Enter ເພື່ອອອກຈາກສະຖານທີ່ຫໍສະຫມຸດ cuDNN ໃນຕອນຕົ້ນ:
ກະລຸນາໃສ່ທີ່ຢູ່ບ່ອນທີ່ຫ້ອງສະ ໝຸດ cuDNN 7 ໄດ້ຖືກຕິດຕັ້ງ. ເບິ່ງ README.md ສຳ ລັບຂໍ້ມູນເພີ່ມເຕີມ. [ຄ່າເລີ່ມຕົ້ນແມ່ນ C: / Programs / NVIDIA GPU ເຄື່ອງຄອມພິວເຕີ້ຄອມພິວເຕີ້ / CUDA / v10.0]:
ຄຳ ຖາມຕໍ່ໄປກ່ຽວຂ້ອງກັບ ໜ້າ ທີ່ກ່ຽວກັບເລກເລກ CUDA ທີ່ສາມາດ ນຳ ໃຊ້ເຂົ້າໃນການກໍ່ສ້າງ. ທ່ານສາມາດຊອກຫາຄວາມອາດສາມາດຄອມພິວເຕີ້ຂອງອຸປະກອນຂອງທ່ານທີ່: https://developer.nvidia.com/cuda-gpus. ຂ້ອຍມີ GTX 1070, ສະນັ້ນຂ້ອຍຕອບ 6.1:
ສະ ເໜີ ບັນຊີຂອງເລກຄະນິດຄິດໄລ່ແຍກຈາກ Cuda ທີ່ທ່ານຕ້ອງການສ້າງດ້ວຍ. ທ່ານສາມາດຊອກຫາຄວາມອາດສາມາດຄອມພິວເຕີ້ຂອງອຸປະກອນຂອງທ່ານທີ່: https://developer.nvidia.com/cuda-gpus. ກະລຸນາຮັບຊາບວ່າແຕ່ລະ ໜ້າ ທີ່ການຄິດໄລ່ເພີ່ມເຕີມເຮັດໃຫ້ເວລາສ້າງແລະຂະ ໜາດ ໄບນາລີມີຄວາມສົມຄວນ. [ຄ່າເລີ່ມຕົ້ນແມ່ນ: 3.5.7.0]: 6.1

ຄຳ ຖາມຕໍ່ໄປແມ່ນການຕັ້ງທຸງການເພີ່ມປະສິດທິພາບ. ຂ້ອຍມີ CPU Intel ລຸ້ນທີ 6, ສະນັ້ນຂ້ອຍຕອບ / arch: AVX2:

ກະລຸນາລະບຸທຸງທີ່ດີທີ່ສຸດທີ່ຈະໃຊ້ໃນລະຫວ່າງການລວບລວມຖ້າຕົວເລືອກ Basel "--config = opt" ຖືກລະບຸ. [ຄ່າເລີ່ມຕົ້ນແມ່ນ / arch: AVX]: / arch: AVX2

ຄຳ ຖາມສຸດທ້າຍແມ່ນກ່ຽວກັບ Eigen. ຕອບກັບ "y". ມັນຫຼຸດຜ່ອນເວລາການລວບລວມຢ່າງຫຼວງຫຼາຍ.

ທ່ານຕ້ອງການ override ເສັ້ນທີ່ເຂັ້ມແຂງຂອງທ່ານເອງສໍາລັບການລວບລວມ C ++ ບາງຢ່າງເພື່ອຫຼຸດຜ່ອນເວລາການລວບລວມ? [Y / n]: Y Eigen ຂຽນທັບໃນເສັ້ນ.

ການຕັ້ງຄ່າ ສຳ ເລັດແລ້ວ. ໃຫ້ຂອງການກໍ່ສ້າງ.

ຂັ້ນຕອນທີ 10: ສ້າງ TensorFlow ຈາກແຫຼ່ງຕ່າງໆ

ໃຫ້ແນ່ໃຈວ່າພວກເຮົາຢູ່ໃນໂຟນເດີຮາກລະຫັດແຫຼ່ງ:

cd C: \ ຜູ້ໃຊ້ \ amsokol \ ພັດທະນາ \ tensorflow-build \ tensorflow
ມັນຕ້ອງໃຊ້ເວລາດົນນານໃນການສ້າງ. ຂ້ອຍຂໍແນະ ນຳ ໃຫ້ປິດໂປແກຼມປ້ອງກັນໄວຣັດລວມທັງການປ້ອງກັນເວລາຈິງຂອງ Windows Defender Antivirus.

ປະຕິບັດການກໍ່ສ້າງ:

ການກໍ່ສ້າງ bazel --config = opt // tensorflow / tools / pip_package: build_pip_package

ນັ່ງກັບຄືນໄປບ່ອນແລະພັກຜ່ອນບາງຄັ້ງ.

ຂັ້ນຕອນທີ 11: ສ້າງເອກະສານລໍ້ TensorFlow ສຳ ລັບ Python 3.6

ດໍາເນີນການຄໍາສັ່ງເພື່ອສ້າງແຟ້ມລໍ້ python:

mkdir .. \ ອອກ
bazel-bin \ tensorflow \ tools \ pip_package \ build_pip_package .. \ out

ມັນລົ້ມເຫລວ:

ມີປັນຫາທີ່ຮູ້ກັນ. ເບິ່ງທີ່ໂຟນເດີ "bazel-bin \ tensorflow \ tools \ pip_package". ມັນມີເອກະສານ "simple_console_for_windows.zip" ທີ່ມີຄວາມຍາວສູນ. ນັ້ນແມ່ນບັນຫາ. Bazel ປະກອບມີຜົນປະໂຫຍດ zip 32-bit ເຊິ່ງຈະລົ້ມເຫລວໃນແຟ້ມຂະ ໜາດ ໃຫຍ່ 2GB. ເບິ່ງລິ້ງ ສຳ ລັບລາຍລະອຽດແລະວິທີແກ້ໄຂ:

  • https://github.com/tensorflow/tensorflow/issues/20332
  • https://stackoverflow.com/questions/52394305/creating-pip-package-for-tensorflow-with-gpu-support-results-in-0-byte-simple-co

ມີຂັ້ນຕອນໃນການແກ້ໄຂບັນຫາ:

ຊີດີ. \ bazel-bin \ tensorflow \ tools \ pip_package

ເປີດເອກະສານ "simple_console_for_windows.zip-0.params" ແລະເອົາສາຍດ້ວຍ "mnist.zip":

...
runfiles / org_tensorflow / tensorflow / contrib / eager / python / example / gan / mnist.zip = bazel-out / x64_windows-opt / bin / tensorflow / contrib / eager / python / ຕົວຢ່າງ / gan / mnist.zip
...
ມັນຊ່ວຍຂ້ອຍໄດ້. ຖ້າມັນບໍ່ຊ່ວຍທ່ານ, ພຽງແຕ່ເອົາສາຍອື່ນໆທີ່ມີໄຟລ໌ຫັດໄປສະນີ (ເບິ່ງລາຍລະອຽດຢູ່ບ່ອນນີ້). ຈຸດປະສົງຂອງກິດຈະ ກຳ ນີ້ແມ່ນເພື່ອຮັກສາແບບງ່າຍດາຍ_console_for_windows.zipໃຫ້ມີຄວາມຍາວນ້ອຍກວ່າ 2 GB.

ລົບລ້າງເອກະສານທີ່ຫວ່າງໄວ້ "simple_console_for_windows.zip".

ຕໍ່ໄປ, ເບິ່ງທີ່ໂຟນເດີເຮືອນຂອງທ່ານ. ທ່ານຕ້ອງຊອກຫາໂຟນເດີທີ່ມີຊື່ວ່າ "_bazel_ "ເບິ່ງ. ໃນກໍລະນີຂອງຂ້ອຍມັນແມ່ນ" _bazel_amsokol "ມັນມີບັນດາແຟ້ມທີ່ມີແຟ້ມສ້າງ. ໃນກໍລະນີຂອງຂ້ອຍມັນແມ່ນ" lx6zoh4k ". ກັບໄປທີ່ຫອຍຂອງການແລ່ນ (ຕາມຊື່ຂອງໂຟນເດີຂອງທ່ານຢ່າງຖືກຕ້ອງ)

cd C: \ ຜູ້ໃຊ້ \ amsokol \ _bazel_amsokol \ lx6zoh4k \ execroot \ org_tensorflow

ສ້າງເອກະສານ "simple_console_for_windows.zip" ດ້ວຍຕົນເອງ:

bazel_tools \ tools \ zip \ zipper \ zipper.exe vcC bazel-out / x64_windows-opt / bin / tensorflow / tools / pip_package / simple_console_for_windows.zip @ bazel-out / x64_windows-opt / bin / tensorflow / tools / pip_package / simple_console_for_windows.zip @ bazel-out / x64_windows-opt / bin / tensorflow / ເຄື່ອງມື / pip_package / simple_console_for_windows.zip-0.params

ດໍາເນີນການຄໍາສັ່ງເພື່ອສ້າງແຟ້ມລໍ້ python:

cd C: \ ຜູ້ໃຊ້ \ amsokol \ ພັດທະນາ \ tensorflow-build \ tensorflow
bazel-bin \ tensorflow \ tools \ pip_package \ build_pip_package .. \ out

ມັນສ້າງເອກະສານ tensorflow-1.11.0-cp36-cp36m-win_amd64.whl ໃນໂຟນເດີ ".. \ out".

ຂັ້ນຕອນທີ 12: ຕິດຕັ້ງເອກະສານລໍ້ TensorFlow ສຳ ລັບ Python 3.6 ແລະກວດເບິ່ງຜົນໄດ້ຮັບ

ດໍາເນີນການຄໍາສັ່ງໃນການຕິດຕັ້ງໄຟລ໌ Python Wheel:

pip3 ຕິດຕັ້ງ .. \ out \ tensorflow-1.11.0-cp36-cp36m-win_amd64.whl

ອອກຈາກໄດເລກະທໍລີ Tensorflow

ຊີດີ ..

ເພື່ອກວດເບິ່ງສະຄິບດາວໂຫລດທີ່ນີ້ຫຼື ດຳ ເນີນການໂດຍການຄັດລອກແລະວາງ:

ນຳ ເຂົ້າ Tensorflow ເປັນ tf ສະບາຍດີ = tf.constant ('ສະບາຍດີ, TensorFlow!') ກອງປະຊຸມ = tf.Session () ພິມ (session.run (ສະບາຍດີ))

ຖ້າຫາກວ່າລະບົບມີຜົນໄດ້ຮັບຕໍ່ໄປນີ້ທຸກຢ່າງແມ່ນດີ:

ສະບາຍດີ TensorFlow!

ຜົນຜະລິດຂອງຂ້ອຍ:

ດຽວນີ້ທ່ານໄດ້ຕິດຕັ້ງ TensorFlow ສຳ ເລັດແລ້ວໃນຄອມພິວເຕີ Windows.

ໃຫ້ຂ້ອຍຮູ້ໃນ ຄຳ ເຫັນຂ້າງລຸ່ມນີ້ຖ້າມັນເຮັດວຽກ ສຳ ລັບເຈົ້າ. ຫຼືຖ້າທ່ານມີຂໍ້ບົກພ່ອງໃດໆ. ຂອບ​ໃຈ​ຫລາຍໆ!