TensorFlow在32位Linux上？

Question

是否有适用于32位Linux的TensorFlow版本？我只看到64位轮可用,并且在网站上没有找到任何关于它的信息.

Answer 1

我们仅测试了64位Linux和Mac OS X上的TensorFlow发行版,并仅为这些平台分发二进制包.请尝试按照源安装说明为您的平台构建版本.

编辑:一位用户发布了在32位ARM处理器上运行TensorFlow的指令,这对于其他32位架构很有前景.这些指令可能有助于使TensorFlow和Bazel在32位环境中工作.

Answer 2

我在32位Ubuntu(16.04.1 Xubuntu)上构建了一个仅CPU版本的TensorFlow.对于这样一个不正式支持32位架构的复杂库,它比预期的要顺利得多.

可以通过遵循这两个指南的交集的子集来完成:

• 关于Jetson TK1的2015年11月演练.
• 关于Jetson TX1的2016年11月演练.

如果我没有忘记任何事情,这是我采取的步骤:

1. 安装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
   

(这是您在原始Xubuntu安装中所需要的所有内容,但是否则请使用上述关键字,以阅读有关选择默认JRE的信息javac.)

2. 依赖关系:

   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. 按照Bazel附带的说明,下载一个Bazel源zip(我有bazel-0.4.3-dist.zip),制作一个目录~/tf/bazel/并在那里解压缩.

4. 我OutOfMemoryError在下面的构建期间得到了一个,但是这个修复程序处理它(即添加-J-Xmx512m引导程序构建).

5. 打电话bash ./compile.sh,等待很长时间(对我来说一夜之间,但请看结尾处的评论).

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

7. 这似乎是对必要的源代码的唯一更改!

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

8. 然后$ ./configure说没有一切.(在相关时接受默认值.)

9. 我的设置花了几个小时:

   $ 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>
   

要查看它是否已安装,请查看它是否适用于TensorFlow初学者教程.我使用jupyter qtconsole(即IPython的新名称).运行代码mnist_softmax.py.即使在非常有限的机器上也应该花很少的时间.

出于某种原因,TensorFlow的源代码构建指南并不建议运行单元测试:

$ bazel test //tensorflow/...

(是的,输入省略号.)

虽然我无法运行它们 - 它花了19个小时尝试链接libtensorflow_cc.so,然后一些东西杀死了链接器.这是半核心和1536 MB内存限制.也许其他人,拥有更大的机器,可以报告单元测试的进展情况.

为什么我们不需要做这两个演练中提到的其他事情？首先,大部分工作都是关于GPU接口的.其次,Bazel和TensorFlow自第一次演练以来已经变得更加独立.

请注意,为Bazel提供的上述设置是非常保守的(1024 MB RAM,半个核心,一次一个作业),因为我通过VirtualBox运行这个,使用200美元上网本的单核心英特尔为委内瑞拉,巴基斯坦和尼日利亚的弱势儿童提供服务.(顺便说一句,如果你这样做,请确保虚拟硬盘至少是20 GB - 尝试构建上面的单元测试需要大约5 GB的空间.)轮子的构建花了将近20个小时而且适度来自第二个教程的深度CNN,在现代桌面CPU上运行需要长达半个小时,在此设置下大约需要80个小时.有人可能想知道为什么我没有得到桌面,但事实是TensorFlow的实际训练只对高端GPU(或其中一堆)有意义,当我们可以用这样的GPU雇佣一个AWS spot实例时每小时约10美分没有承诺,并且在可行的临时基础上,在其他地方进行培训并没有多大意义.480000%的加速真的很明显.另一方面,具有本地安装的便利性值得通过如上所述的过程进行.