Google TensorFlow für Windows installieren

30. Januar 2016 0 Basiswissen

Schritt für Schritt Anleitung zum installieren von TensorFlow auf einer Windows Maschine

Hier eine Kurzanleitung wie ihr die Open Source Software TensorFlow von Google zur Entwicklung von Deep-Learning Algorithmen mittels neuronalen Netzen auf eurem Windows System installieren könnt:

Installation und Einrichtung einer virtuellen Maschine

  • Docker Toolbox herunterladen und installieren (Virtual Box)
  • Starte das „Docker Quickstart Terminal“, das als Shortcut nach der Installation verfügbar sein sollte
  • der initiale Start dauert relativ lange – alle relevanten Einstellungen werden vordefiniert
  • Abschluss ist erreicht, wenn eine Eingabe in der Virtuellen Box möglich ist (Cursor nach einem $ Zeichen blinkt)

TensorFlow Image für Docker installieren

  • Hier lässt sich nun eine Vollversion von TensorFlow oder eine Light-Version installieren:
    • Eingabe bei Docker für die Light-Version: docker pull b.gcr.io/tensorflow/tensorflow
    • Eingabe bei Docker für die Vollversion: docker pull  b.gcr.io/tensorflow/tensorflow-full
  • Die Installation von TensorFlow lässt sich durch folgende Eingabe bei Docker überprüfen:
    • docker images
    • Es wird das neu geladene image angezeigt: b.gcr.io/tensorflow/tensorflow-full
  • Abschließend ist folgende Eingabe durchzuführen, um das neue Image zu öffnet:
    • winpty docker run -it Tensorflow_Image_Id

Update der TensorFlow Git-Ressourcen durchführen

  • Aktuellen Container aktualisieren: apt-get update
  • Git installieren: apt-get install git
  • ins Hauptverzeichnis wechseln: cd /
  • alten tensorflow-Ornder umbenennen: mv tensorflow tensorflow_old
  • aktuelle TensorFlow Ressourcen holen: git clone –recurse-submodules https://github.com/tensorflow/tensorflow

Test durchführen, ob die Installation erfolgreich war

Eingabe:

$ python
...
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print sess.run(hello)
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print sess.run(a + b)
42
>>>

Docker Container im neuen Image speichern

Damit die Änderungen an dem Container beim nächsten Start vorhanden sind, kann der Container als Image gespeichert werden.

  • Neues „Docker Quickstart Terminal“ öffnen
  • die geöffneten Images anzeigen lassen (hier müsste nur eines aufgeführt sein): docker ps 
  • Image unter einem neuen Namen speichern: docker commit <NAME_aktuelles_Image> <NAME_neues_Image>
  • Jetzt kann man sich das Ergebnis anzeigen lassen: docker images

TensorFlow starten

(immer wiederkehrender Schritt, wenn man TensorFlow nutzen möchte)

  • Ausführen von „Docker Quickstart Terminal“
  • Eingabe: docker run -it b.gcr.io/tensorflow/tensorflow-full
    • oder eigenes Image starten: docker run -it <NAME_eigenes_Image>

Weitere nützliche Links für die TensorFlow Installation

Download and Setup

You can install TensorFlow either from our provided binary packages or from the github source. The TensorFlow Python API currently supports Python 2.7 and Python 3.3+ from source. We are preparing Python 3 pip packages to go with the 0.6.0 release. The GPU version (Linux only) currently requires the Cuda Toolkit 7.0 and CUDNN 6.5 V2.

Docker Image für „Udacity Deep Learning class with TensorFlow“

Für diejenenigen, die den Google Kurs zum Erlernen und Ausprobieren von DeepLearning in TensorFlow machen möchten, hier der Befehl, der die nötigen Sourcen für Docker installiert:
docker run -p 8888:8888 --name tensorflow-udacity -it b.gcr.io/tensorflow-udacity/assignments:0.5.0

Dann lassen sich im Browser die Anleitungen starten (IP-Adresse der Docker Machine ist nötig): z.B. http://192.168.99.100:8888

Zum Restart des Images diesen Befehl eingeben:
docker start -ai tensorflow-udacity

Kommentar verfassen

%d Bloggern gefällt das: