TensorFlow на 32-разрядной Linux?

Ответ 1

Мы тестировали только дистрибутив TensorFlow на 64-битной Linux и Mac OS X и распространяли только двоичные пакеты только для этих платформ. Попробуйте выполнить исходные инструкции по установке, чтобы создать версию для вашей платформы.

EDIT: Один пользователь опубликовал инструкции для запуска TensorFlow на 32-битном процессоре ARM, который является перспективным для других 32-разрядных архитектуры. Эти инструкции могут иметь полезные указатели для работы TensorFlow и Bazel в 32-разрядной среде.

Ответ 2

Я построил версию TensorFlow только для CPU на 32-разрядном Ubuntu (16.04.1 Xubuntu). Он прошел намного плавнее, чем ожидалось, для такой сложной библиотеки, которая официально не поддерживает 32-разрядные архитектуры.

Это можно сделать, следуя подмножеству пересечения этих двух направляющих:

• Ноябрь 2015 пошаговое руководство о Jetson TK1.
• Прошедшее в ноябре 2016 года про Jetson TX1.

Если я ничего не забыл, вот шаги, которые я сделал:

• Установка Oracle Java 8 JDK:

  $ sudo apt-get remove icedtea-8-plugin  #This is just in case
  $ sudo add-apt-repository ppa:webupd8team/java
  $ sudo apt-get update
  $ sudo apt-get install oracle-java8-installer
  

(Это все, что вам нужно в нетронутой установке Xubuntu, но google выше указанных ключевых слов в противном случае, чтобы прочитать о выборе JRE по умолчанию и javac.)

2. Зависимости:

   sudo apt-get update
   sudo apt-get install git zip unzip swig python-numpy python-dev python-pip python-wheel
   pip install --upgrade pip
   

3. Следуя инструкциям, прилагаемым к Bazel, загрузите исходный zip файл Bazel (я получил bazel-0.4.3-dist.zip), создаю каталог как ~/tf/bazel/ и разархивируйте его там.

4. Я получал OutOfMemoryError во время следующей сборки, но это исправление позаботился об этом (например, добавив -J-Xmx512m для сборки бутстрапа).

5. Вызовите bash ./compile.sh и подождите долгое время (ночевка для меня, но см. примечания в конце).

6. $ git clone -b r0.12 https://github.com/tensorflow/tensorflow

7. Это похоже на единственное изменение исходного кода, который был необходим!

   $ cd tensorflow
   $ grep -Rl "lib64"| xargs sed -i 's/lib64/lib/g'
   

8. Тогда $ ./configure и сказать "нет" ко всему. (Примите соответствующие значения по умолчанию.)

9. Следующее заняло несколько часов с моей настройкой:

   $ bazel build -c opt --jobs 1 --local_resources 1024,0.5,1.0 --verbose_failures //tensorflow/tools/pip_package:build_pip_package
   $ bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
   $ pip install --user /tmp/tensorflow_pkg/ten<Press TAB here>
   

Чтобы убедиться, что он установлен, посмотрите, работает ли он в Учебник TensorFlow Beginners. Я использую jupyter qtconsole (т.е. Новое имя IPython). Запустите код в mnist_softmax.py. Это займет немного времени даже на очень ограниченных машинах.

По какой-то причине руководство TensorFlow для построения из источника не предлагает запуск устройства Тесты:

$ bazel test //tensorflow/...

(Да, введите эллипсы.)

Хотя я не мог их запустить - он потратил 19 часов, пытаясь связать libtensorflow_cc.so, а затем что-то убило компоновщика. Это было с половиной ядра и ограничением памяти 1536 МБ. Может быть, кто-то еще с более крупной машиной может сообщить о том, как проходят тесты устройства.

Почему нам не нужно было делать другие вещи, упомянутые в этих двух пошаговых руководствах? Во-первых, большая часть этой работы связана с заботой о взаимодействии с GPU. Во-вторых, оба Bazel и TensorFlow стали более самодостаточными, так как было написано первое из этих пошаговых руководств.

Обратите внимание, что приведенные выше настройки Bazel для сборки очень консервативны (оперативная память 1024 МБ, половина ядра, одно задание за раз), потому что я запускаю это через VirtualBox, используя одно ядро ​​нетбука стоимостью 200 долларов США тип, который делает Intel для обездоленных детей в Венесуэле, Пакистане и Нигерии. (Кстати, если вы это сделаете, убедитесь, что виртуальный жесткий диск по крайней мере на 20 Гбайт - попытка построить тесты блока выше занимает около 5 ГБ места.) Построение колеса заняло почти 20 часов, а скромный глубокий CNN из второй учебник, который цитируется, чтобы заняться до получаса, чтобы работать на современных настольных процессорах, занимает около 80 часов при этом настроить. Интересно, почему я не получаю рабочий стол, но правда в том, что фактическая тренировка с TensorFlow имеет смысл только на высокопроизводительном графическом процессоре (или его связке), и когда мы можем нанять экземпляр AWS-пятна с таким графическим процессором около 10 центов в час без обязательств и на работоспособной специальной основе, не имеет большого смысла учиться в другом месте. Ускорение на 480000% действительно заметно. С другой стороны, удобство локальной установки стоит потратить на такой процесс, как описано выше.

Ответ 3

Похоже, Google еще не поддерживает tenorflow на 32-разрядных машинах.

На 32-разрядной машине, запущенной Centos 6.5, после команды "import tensorflow as tf" появляется следующая ошибка:    ImportError: tensorflow/python/_pywrap_tensorflow.so: неправильный класс ELF: ELFCLASS64

Пока Google не распространяет 32-разрядную версию тензорного потока, я также рекомендую построить shadoworflow из источника, как указано здесь.