TensorFlow kan bruge CPU og GPU til at beregne de komplekse kunstig intelligens (AI) og Machine Learning (ML) beregninger. TensorFlow kan bruge enhver CUDA-understøttet NVIDIA GPU til at accelerere AI/ML-programmerne. Hvis du ikke har en CUDA-understøttet GPU, vil TensorFlow bruge CPU'en til AI/ML-koder. Uden GPU-acceleration vil ydeevnen af TensorFlow forringes i komplekse AI/ML-programmer.
I denne artikel vil vi vise dig, hvordan du installerer TensorFlow med NVIDIA CUDA/cuDNN-acceleration på Debian 12 'Bookworm'.
Emne for indhold:
- Kontrollerer, om du har NVIDIA GPU installeret på din computer
- Installation af Python 3 PIP og Python Venv på Debian 12
- Oprettelse af et Python 3 virtuelt miljø til TensorFlow
- Opgradering af Python 3 PIP på Python 3 Virtual Environment
- Installation af TensorFlow med NVIDIA CUDA Acceleration Support
- Installation af TensorRT på Debian 12
- Aktivering af TensorFlow Python 3 Virtual Environment
- Få adgang til TensorFlow og kontrollere, om NVIDIA GPU/CUDA-acceleration er tilgængelig
- Konklusion
Kontrollerer, om du har NVIDIA GPU installeret på din computer
For at TensorFlow kan accelerere AI-programmerne med NVIDIA GPU/CUDA, skal du have NVIDIA GPU-drivere og NVIDIA CUDA og cuDNN installeret på dit Debian 12-operativsystem.
Hvis du har brug for hjælp til at installere NVIDIA GPU-driverne på dit Debian 12-operativsystem, læs denne artikel .
Hvis du har brug for hjælp til at installere NVIDIA CUDA- og cuDNN-driverne på dit Debian 12-operativsystem, læs denne artikel .
Når du har NVIDIA GPU-driverne installeret på dit Debian 12-system, skulle kommandoen 'nvidia-smi' være tilgængelig.
NVIDIA-kernemodulerne bør også indlæses på dit Debian 12-system.
Når du har installeret NVIDIA CUDA-driverne, bør du have kommandoen 'nvcc' tilgængelig på dit Debian 12-system.
Installation af Python 3 PIP og Python Venv på Debian 12
For at installere TensorFlow på Debian 12 skal du have modulet Python 3 PIP og Python virtual environment (venv) installeret.
Først skal du opdatere APT-pakkelagerets cache med følgende kommando:
$ sudo passende opdatering
For at installere Python 3 PIP og Python 3 virtuelle miljø (venv), skal du køre følgende kommando:
$ sudo passende installere python3-pip python3-venv python3-dev For at bekræfte installationen skal du trykke på 'Y' og derefter trykke på
Python 3 PIP og Python 3 venv er ved at blive installeret. Det tager et stykke tid at fuldføre.
På dette tidspunkt skal Python 3 PIP og Python 3 venv være installeret.
Oprettelse af et Python 3 virtuelt miljø til TensorFlow
Standardpraksis for installation af Python-bibliotekerne på Debian 12 er at installere dem i et virtuelt Python-miljø, så de ikke forstyrrer systemets Python-pakker/biblioteker.
For at oprette et nyt Python 3 virtuelt miljø til TensorFlow i mappen '/opt/tensorflow' skal du køre følgende kommando:
$ sudo python3 -m venv / opt / tensorflowOpgradering af Python 3 PIP på Python 3 Virtual Environment
For at opgradere Python 3 PIP til den nyeste version på det virtuelle Python 3-miljø '/opt/tensorflow', skal du køre følgende kommando:
$ sudo / opt / tensorflow / beholder / pip installere --opgradering pip
Installation af TensorFlow med NVIDIA CUDA Acceleration Support
For at installere TensorFlow med NVIDIA CUDA-accelerationsunderstøttelse på Python '/opt/tensorflow' virtuelle miljø, skal du køre følgende kommando:
$ sudo / opt / tensorflow / beholder / pip installere tensorflow [ og-cuda ]TensorFlow med NVIDIA CUDA acceleration er ved at blive installeret. Det tager et stykke tid at fuldføre.
På dette tidspunkt bør TensorFlow med NVIDIA CUDA accelerationsunderstøttelse være installeret.
Installation af TensorRT på Debian 12
NVIDIA TensorRT optimerer ydeevnen af TensorFlow deep learning endnu mere. Du kan installere TensorRT på TensorFlow Python '/opt/tensorflow' virtuelle miljø med følgende kommando:
$ sudo / opt / tensorflow / beholder / pip installere tensorrtNVIDIA TensorRT er ved at blive installeret på det virtuelle Python-miljø. Det tager et stykke tid at fuldføre.
På dette tidspunkt skal NVIDIA TensorRT være installeret.
Aktivering af TensorFlow Python 3 Virtual Environment
For at aktivere TensorFlow Python '/opt/tensorflow' virtuelle miljø skal du køre følgende kommando:
$ . / opt / tensorflow / beholder / aktivereTensorFlow Python 3 virtuelle miljø bør aktiveres.
Få adgang til TensorFlow og kontrollere, om NVIDIA GPU/CUDA-acceleration er tilgængelig
For at åbne den interaktive Python 3-skal skal du køre følgende kommando:
$ python3Python 3 interaktive skal skal åbnes.
Importer først TensorFlow med følgende kodelinje:
$ importere tensorflow som tfNår TensorFlow er importeret, kan du tjekke versionsnummeret på TensorFlow, som du har installeret, med følgende kodelinje. Som du kan se, har vi TensorFlow 2.13.1 installeret på vores Debian 12-system.
$ tf.__version__For at bekræfte, at TensorFlow kan bruge den NVIDIA GPU, som du har installeret på din computer til CUDA-acceleration, skal du køre følgende kodelinje. Som du kan se, er vores NVIDIA GPU tilgængelig fra TensorFlow.
$ Print ( tf.config.list_physical_devices ( 'GPU' ) )
For at forlade den interaktive Python-skal skal du køre følgende kodelinje:
$ Afslut ( )Konklusion
I denne artikel viste vi dig, hvordan du installerer Python 3 PIP og Python 3 virtuelle miljø (venv) på Debian 12. Vi viste dig også, hvordan du opretter et Python 3 virtuelt miljø til TensorFlow på Debian 12, og hvordan du installerer TensorFlow med NVIDIA GPU/CUDA-accelerationsunderstøttelse og NVIDIA TensorRT også på Debian 12. Til sidst viste vi dig, hvordan du aktiverer det virtuelle TensorFlow Python-miljø og får adgang til TensorFlow på Debian 12.