Python (pip) یا Docker کنٹینر کا استعمال کرتے ہوئے TensorFlow انسٹال کریں۔
TensorFlow گوگل کا ایک مشین لرننگ پلیٹ فارم ہے۔ یہ اوپن سورس ہے اور اس کے ڈویلپر کمیونٹی کے ساتھ ساتھ گوگل اور دیگر کارپوریشنز کے ذریعہ تیار کردہ ٹولز، لائبریریوں اور دیگر وسائل کی ایک بڑی تعداد ہے۔
TensorFlow تمام مقبول استعمال شدہ آپریٹنگ سسٹمز کے لیے دستیاب ہے۔ ونڈوز، میک او ایس، جی این یو/لینکس۔ اسے Python Package Index سے ڈاؤن لوڈ اور انسٹال کیا جا سکتا ہے۔ pip ٹول اور ورچوئل ازگر کے ماحول میں چلایا جا سکتا ہے۔ اسے استعمال کرنے کا دوسرا طریقہ یہ ہے کہ اسے ڈوکر کنٹینر کے طور پر انسٹال کیا جائے۔
TensorFlow استعمال کرکے انسٹال کریں۔ pip
pip Python پیکجوں کے لیے آفیشل پیکیج مینجمنٹ یوٹیلیٹی ہے۔ سینٹوس پر ازگر اور پائپ بطور ڈیفالٹ انسٹال نہیں ہوتے ہیں۔
نصب کرنے کے لئے پیکجز، چلائیں:
sudo dnf python3 انسٹال کریں۔جب بھی انسٹالیشن ڈاؤن لوڈ وغیرہ کی تصدیق کے لیے کہے، درج کریں۔ Y اور پھر دبائیں داخل کریں۔ سیٹ اپ جاری رکھنے کے لیے کلید۔ پیکج python3 Python 3 کے ساتھ ساتھ Pip 3 بھی انسٹال کرے گا۔
TensorFlow کو Python ورچوئل ماحول کے اندر چلانے کی سفارش کی جاتی ہے۔ ایک ورچوئل ماحول صارف کو ایک ہی کمپیوٹر پر ایک دوسرے سے الگ تھلگ، مطلوبہ پیکجوں کے مختلف ورژن کے ساتھ متعدد ازگر ماحول چلانے دیتا ہے۔ یہ اس بات کو یقینی بنانا ہے کہ پیکیج کے مخصوص ورژن کے ساتھ ایک ورچوئل ماحول کے اندر کی گئی ترقی دوسرے ماحول میں ترقی کو متاثر نہیں کرتی ہے۔
Python ورچوئل ماحول کو چلانے کے لیے، ہمیں ماڈیول استعمال کرنے کی ضرورت ہے۔ venv. سب سے پہلے، بنائیں اور اپنی TensorFlow پروجیکٹ ڈائرکٹری پر جائیں۔
mkdir dev/tf cd dev/tfاس ڈائرکٹری میں ورچوئل ماحول بنانے کے لیے، چلائیں:
python3 -m venv tf_venvیہ ایک نئی ڈائریکٹری بنائے گا۔ tf_venv جو ازگر کا ورچوئل ماحول ہے۔ اس میں کم سے کم مطلوبہ فائلیں شامل ہیں، جیسے۔ Python ایگزیکیوٹیبل فائل، پائپ ایگزیکیوٹیبل فائل اور کچھ دیگر مطلوبہ لائبریریاں۔
ورچوئل ماحول شروع کرنے کے لیے، رن:
ماخذ بن/acیہ پرامپٹ کا نام تبدیل کر دے گا۔ tf_venv، یعنی، ورچوئل ماحول والے فولڈر کا نام۔
اب ہم اس ورچوئل ماحول میں TensorFlow کو انسٹال کریں گے۔ TensorFlow کے لیے، کم از کم مطلوبہ pip ورژن 19 ہے۔ پائپ کو تازہ ترین ورژن میں اپ گریڈ کرنے کے لیے، رن:
pip install --upgrade pip
جیسا کہ اوپر دیکھا گیا ہے، پائپ کا ورژن 20.0.2 انسٹال ہوا تھا۔
پیکیج TensorFlow کو اسی طرح انسٹال کریں۔
pip install --upgrade tensorflowپیکیج سائز میں کافی بڑا ہے (~ 420 MB) اور اسے ڈاؤن لوڈ کرنے اور اس کے انحصار کے ساتھ انسٹال کرنے میں کچھ وقت لگ سکتا ہے۔
انسٹال ہونے کے بعد، ہم TensorFlow کے ورژن کو چیک کرنے کے لیے کوڈ کے ایک چھوٹے سے ٹکڑے سے TensorFlow انسٹالیشن کی تصدیق کر سکتے ہیں۔
python -c 'tf کے طور پر tensorflow درآمد کریں؛ پرنٹ(tf.__version__)'
ورچوئل ماحول سے باہر نکلنے کے لیے، چلائیں:
غیر فعال
Docker کنٹینر کا استعمال کرتے ہوئے TensorFlow انسٹال کریں۔
ڈوکر اب کنٹینر نامی ورچوئلائزڈ ماحول میں پروگراموں کو انسٹال اور چلانے کا ایک اچھی طرح سے قائم طریقہ ہے۔ یہ ایک طرح سے Python ورچوئل ماحول کی طرح ہے جسے ہم نے پچھلے طریقہ میں دیکھا تھا۔ تاہم، Docker دائرہ کار میں بہت وسیع ہے، اور Docker کنٹینرز مکمل طور پر الگ تھلگ ہیں اور ان کی اپنی ترتیب، سافٹ ویئر بنڈل اور لائبریریاں ہیں۔ کنٹینرز چینلز کے ذریعے ایک دوسرے کے ساتھ بات چیت کر سکتے ہیں۔
ہم ٹینسر فلو کو ڈوکر کنٹینر کے ذریعے انسٹال اور چلا سکتے ہیں اور اسے ورچوئلائزڈ ماحول میں چلا سکتے ہیں۔ TensorFlow کے ڈویلپرز ایک Docker کنٹینر امیج کو برقرار رکھتے ہیں جس کی جانچ ہر ریلیز کے ساتھ کی جاتی ہے۔
سب سے پہلے، ہمیں اپنے CentOS سسٹم پر Docker انسٹال کرنے کی ضرورت ہے۔ اس کے لیے، CentOS کے لیے آفیشل ڈوکر انسٹالیشن گائیڈ دیکھیں۔
اگلا، TensorFlow کے لیے تازہ ترین کنٹینر امیج ڈاؤن لوڈ کرنے کے لیے، چلائیں:
ڈوکر پل ٹینسر فلو/ٹینسر فلو
نوٹ: اگر آپ کے سسٹم میں ڈیڈیکیٹڈ گرافکس پروسیسنگ یونٹ (GPU) ہے، تو آپ اس کے بجائے تازہ ترین کنٹینر امیج ڈاؤن لوڈ کر سکتے ہیں۔ GPU سپورٹ کے ساتھ ذیل میں کمانڈ کا استعمال کرتے ہوئے.
docker pull tensorflow/tensorflow:latest-gpu-jupyterآپ کے سسٹم میں انسٹال کردہ GPU کے لیے مناسب ڈرائیورز ہونے چاہئیں تاکہ GPU کی صلاحیتوں کو TensorFlow کے ذریعے استعمال کیا جا سکے۔ TensorFlow کے لیے GPU سپورٹ کے بارے میں مزید معلومات کے لیے، Github repository پر موجود دستاویزات کو چیک کریں۔
Docker کنٹینر میں TensorFlow چلانے کے لیے، چلائیں:
docker run -it --rm tensorflow/tensorflow python -c "ٹینسر فلو کو بطور tf درآمد کریں؛ پرنٹ (tf.__version__)"
آئیے پہلے بریک ڈاؤن کرنے کی کوشش کریں کہ کمانڈ کے ہر حصے کا کیا مطلب ہے۔
رن ایک کنٹینر شروع کرنے کے لیے docker کمانڈ ہے۔ جھنڈے -یہ فراہم کیے جاتے ہیں جب ہم ایک انٹرایکٹو شیل شروع کرنا چاہتے ہیں (مثال کے طور پر Bash، Python)۔ --rm جھنڈا، جسے کلین اپ کہا جاتا ہے، اس لیے مخصوص کیا جاتا ہے تاکہ کنٹینر کے باہر نکلنے پر ڈوکر کے ذریعے داخلی طور پر بنائے گئے فائل سسٹم اور لاگز کو تباہ کر دیا جائے۔ اگر مستقبل میں ڈیبگنگ کے مقاصد کے لیے لاگز درکار ہوں تو اس پرچم کو استعمال نہیں کیا جانا چاہیے۔ لیکن ہمارے جیسے چھوٹے پیش منظر کے لئے، یہ استعمال کیا جا سکتا ہے.
اگلے حصے میں، ہم اپنے ڈوکر کنٹینر امیج کا نام بتاتے ہیں، یعنی، tensorflow/tensorflow. اس کے بعد وہ پروگرام/کمانڈ/یوٹیلٹی ہے جسے ہم کنٹینر میں چلانا چاہتے ہیں۔ اپنی جانچ کے لیے، ہم کنٹینر میں Python انٹرپریٹر کو طلب کر رہے ہیں اور اسے کوڈ پاس کر رہے ہیں جو TensorFlow کے ورژن کو پرنٹ کرتا ہے۔
ہم دیکھ سکتے ہیں کہ ڈوکر کنٹینر شروع کرتے وقت کچھ لاگ پرنٹ کر رہا ہے۔ کنٹینر شروع ہونے کے بعد، ہمارا Python کوڈ چلتا ہے اور TensorFlow ورژن پرنٹ ہو جاتا ہے (2.1.0)۔
ہم Python انٹرپریٹر کو شیل کے طور پر بھی شروع کر سکتے ہیں، تاکہ ہم TensorFlow کوڈ کی متعدد لائنوں کو چلانا جاری رکھ سکیں۔
نتیجہ
اس آرٹیکل میں، ہم نے CentOS پر TensorFlow کو انسٹال کرنے کے دو طریقے دیکھے۔ دونوں طریقوں کا مقصد TensorFlow کو ورچوئلائزڈ ماحول میں چلانے کے لیے ہے، جو کہ TensorFlow استعمال کرتے وقت ایک تجویز کردہ طریقہ ہے۔
اگر آپ TensorFlow میں ابتدائی ہیں، تو آپ TensorFlow کے سرکاری ٹیوٹوریلز سے بنیادی باتیں شروع کر سکتے ہیں۔