Python（pip）またはDockerコンテナを使用してTensorFlowをインストールします
TensorFlowは、Googleによる機械学習プラットフォームです。オープンソースであり、開発者コミュニティとGoogleや他の企業の両方によって開発された、膨大な数のツール、ライブラリ、その他のリソースがあります。
TensorFlowは、一般的に使用されているすべてのオペレーティングシステムで利用できます。 Windows、Mac OS、GNU / Linux。を使用して、いずれかのPython PackageIndexからダウンロードしてインストールできます。 ピップ ツールであり、仮想Python環境で実行できます。これを使用する別の方法は、Dockerコンテナーとしてインストールすることです。
を使用してTensorFlowをインストールします ピップ
ピップ Pythonパッケージの公式パッケージ管理ユーティリティです。 PythonとpipはデフォルトではCentOSにインストールされていません。
インストールするには パッケージ、実行：
sudo dnf install python3インストールでダウンロードの確認などを求められた場合は、必ず次のように入力してください。 Y 次にを押します 入力 キーを押してセットアップを続行します。その包み python3 Python3とPip3をインストールします。
Python仮想環境内でTensorFlowを実行することをお勧めします。仮想環境を使用すると、ユーザーは、同じコンピューター上で、必要なパッケージの異なるバージョンを使用して、互いに分離された複数のPython環境を実行できます。これは、特定のバージョンのパッケージを使用して1つの仮想環境内で行われた開発が、別の環境での開発に影響を与えないようにするためです。
Python仮想環境を実行するには、モジュールを使用する必要があります venv。まず、TensorFlowプロジェクトディレクトリを作成して移動します。
mkdir dev / tf cd dev / tfこのディレクトリに仮想環境を作成するには、次のコマンドを実行します。
python3 -m venv tf_venvこれにより、新しいディレクトリが作成されます tf_venv これはPython仮想環境です。必要最小限のファイルが含まれています。 Python実行可能ファイル、Pip実行可能ファイル、およびその他の必要なライブラリ。
仮想環境を開始するには、 走る：
ソースbin / acこれにより、プロンプトの名前が次のように変更されます。 tf_venv、つまり、仮想環境フォルダの名前。
次に、この仮想環境にTensorFlowをインストールします。 TensorFlowの場合、最低限必要なもの ピップ バージョンは19です。 pipを最新バージョンにアップグレードするには、 走る：
pip install --upgrade pip
上記のように、pipのバージョン20.0.2がインストールされました。
同様の方法でパッケージTensorFlowをインストールします。
pip install --upgrade tensorflowパッケージのサイズは非常に大きく（約420 MB）、依存関係とともにダウンロードしてインストールするのに時間がかかる場合があります。
インストールが完了すると、小さなコードでTensorFlowのインストールを確認して、TensorFlowのバージョンを確認できます。
python -c 'テンソルフローをtfとしてインポートします。 print（tf .__ version__） '
仮想環境を終了するには、次のコマンドを実行します。
非アクティブ化
DockerContainerを使用してTensorFlowをインストールする
Dockerは、Containerと呼ばれる仮想化環境でプログラムをインストールして実行するための確立された方法になりました。これは、前の方法で見たPython仮想環境に似ています。ただし、Dockerの範囲ははるかに広く、Dockerコンテナーは完全に分離されており、独自の構成、ソフトウェアバンドル、およびライブラリがあります。コンテナは、チャネルを介して相互に通信できます。
Dockerコンテナを介してTensorFlowをインストールして実行し、仮想化環境で実行できます。 TensorFlowの開発者は、リリースごとにテストされるDockerコンテナイメージを維持しています。
まず、CentOSシステムにDockerをインストールする必要があります。これについては、CentOSの公式Dockerインストールガイドを参照してください。
次に、TensorFlowの最新のコンテナイメージをダウンロードするには、次のコマンドを実行します。
Dockerプルテンソルフロー/テンサーフロー
ノート： システムに専用のグラフィックスプロセッシングユニット（GPU）がある場合は、代わりに最新のコンテナイメージをダウンロードできます GPUサポート付き 以下のコマンドを使用します。
docker pull tensorflow / tensorflow：latest-gpu-jupyterGPU機能をTensorFlowで利用できるように、システムにはGPU用の適切なドライバーがインストールされている必要があります。 TensorFlowのGPUサポートの詳細については、Githubリポジトリのドキュメントを確認してください。
DockerコンテナでTensorFlowを実行するには、次のコマンドを実行します。
docker run -it --rm tensorflow / tensorflow python -c "import tensorflow as tf; print（tf .__ version__）"
まず、コマンドの各部分の意味を分析してみましょう。
走る コンテナを起動するdockerコマンドです。フラグ -それ インタラクティブシェル（Bash、Pythonなど）を起動するときに提供されます。 --rm クリーンアップと呼ばれるフラグは、コンテナーの実行時にDockerによって内部的に作成されたファイルシステムとログがコンテナーの終了時に破棄されるように指定されます。将来、デバッグ目的でログが必要になる場合は、このフラグを使用しないでください。しかし、私たちのような小さな前景の実行には、それを使用できます。
次のパートでは、Dockerコンテナイメージの名前を指定します。 テンソルフロー/テンソルフロー。続いて、コンテナで実行するプログラム/コマンド/ユーティリティがあります。テストでは、コンテナーでPythonインタープリターを呼び出し、TensorFlowのバージョンを出力するコードを渡します。
コンテナの起動中にDockerがログを出力していることがわかります。コンテナが起動すると、Pythonコードが実行され、TensorFlowバージョンが出力されます（2.1.0）。
Pythonインタープリターをシェルとして起動することもできるため、TensorFlowコードの複数行を引き続き実行できます。
結論
この記事では、CentOSにTensorFlowをインストールする2つの方法を見ました。どちらの方法も、仮想化環境でTensorFlowを実行するためのものです。これは、TensorFlowを使用する際に推奨されるアプローチです。
TensorFlowの初心者の場合は、公式のTensorFlowチュートリアルの基本から始めることができます。