स्रोत से निर्माण

स्रोत से TensorFlow पाइप पैकेज बनाएं और इसे Ubuntu Linux और macOS पर इंस्टॉल करें। जबकि निर्देश अन्य प्रणालियों के लिए काम कर सकते हैं, यह केवल Ubuntu और macOS के लिए परीक्षण और समर्थित है।

Linux और macOS के लिए सेटअप

अपने विकास परिवेश को कॉन्फ़िगर करने के लिए निम्न बिल्ड टूल इंस्टॉल करें।

पायथन और TensorFlow पैकेज निर्भरताएँ स्थापित करें

sudo apt install python3-dev python3-pip

brew install python

TensorFlow पाइप पैकेज निर्भरता स्थापित करें (यदि वर्चुअल वातावरण का उपयोग कर रहे हैं, --user तर्क को छोड़ दें):

pip install -U --user pip numpy wheel packaging requests opt_einsum
pip install -U --user keras_preprocessing --no-deps

बेज़ेल स्थापित करें

TensorFlow बनाने के लिए, आपको Bazel इंस्टॉल करना होगा। Bazelisk Bazel को स्थापित करने का एक आसान तरीका है और TensorFlow के लिए Bazel का सही संस्करण स्वचालित रूप से डाउनलोड करता है। उपयोग में आसानी के लिए, Bazelisk को अपने PATH में bazel निष्पादन योग्य के रूप में जोड़ें।

यदि बेजेलिस्क उपलब्ध नहीं है, तो आप मैन्युअल रूप से बैजेल स्थापित कर सकते हैं। TensorFlow की .bazelversion फ़ाइल से सही Bazel संस्करण को स्थापित करना सुनिश्चित करें।

GPU समर्थन स्थापित करें (वैकल्पिक, केवल Linux)

macOS के लिए कोई GPU सपोर्ट नहीं है।

GPU पर TensorFlow चलाने के लिए आवश्यक ड्राइवर और अतिरिक्त सॉफ़्टवेयर स्थापित करने के लिए GPU समर्थन मार्गदर्शिका पढ़ें।

TensorFlow सोर्स कोड डाउनलोड करें

TensorFlow रिपॉजिटरी को क्लोन करने के लिए Git का उपयोग करें:

git clone https://github.com/tensorflow/tensorflow.git
cd tensorflow

रेपो master विकास शाखा के लिए चूक करता है। आप निर्माण के लिए एक रिलीज़ शाखा भी देख सकते हैं:

git checkout branch_name  # r2.2, r2.3, etc.

वैकल्पिक: बिल्ड को कॉन्फ़िगर करें

TensorFlow बिल्ड को रिपॉजिटरी के रूट डायरेक्टरी में .bazelrc फ़ाइल द्वारा कॉन्फ़िगर किया गया है। सामान्य सेटिंग्स को समायोजित करने के लिए ./configure या ./configure.py स्क्रिप्ट का उपयोग किया जा सकता है।

यदि आपको कॉन्फ़िगरेशन बदलने की आवश्यकता है, तो रिपॉजिटरी के रूट डायरेक्टरी से ./configure स्क्रिप्ट चलाएँ। यह स्क्रिप्ट आपको TensorFlow निर्भरताओं के स्थान के लिए संकेत देगी और अतिरिक्त बिल्ड कॉन्फ़िगरेशन विकल्प (उदाहरण के लिए कंपाइलर फ़्लैग) के लिए पूछेगी। विवरण के लिए नमूना सत्र अनुभाग देखें।

./configure

इस स्क्रिप्ट का एक अजगर संस्करण भी है, ./configure.py । यदि वर्चुअल वातावरण का उपयोग करते हैं, python configure.py पर्यावरण के भीतर पथों को प्राथमिकता देता है, जबकि ./configure पर्यावरण के बाहर पथों को प्राथमिकता देता है। दोनों ही मामलों में आप डिफ़ॉल्ट को बदल सकते हैं।

नमूना सत्र

निम्नलिखित ./configure स्क्रिप्ट का एक नमूना रन दिखाता है (आपका सत्र भिन्न हो सकता है):

./configure
You have bazel 5.0.0 installed.
Please specify the location of python. [Default is /Library/Frameworks/Python.framework/Versions/3.9/bin/python3]: 


Found possible Python library paths:
  /Library/Frameworks/Python.framework/Versions/3.9/lib/python3.9/site-packages
Please input the desired Python library path to use.  Default is [/Library/Frameworks/Python.framework/Versions/3.9/lib/python3.9/site-packages]

Do you wish to build TensorFlow with ROCm support? [y/N]: n
No ROCm support will be enabled for TensorFlow.

Do you wish to build TensorFlow with CUDA support? [y/N]: n
No CUDA support will be enabled for TensorFlow.

Do you wish to download a fresh release of clang? (Experimental) [y/N]: n
Clang will not be downloaded.

Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -Wno-sign-compare]: n


Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: n
Not configuring the WORKSPACE for Android builds.

Do you wish to build TensorFlow with iOS support? [y/N]: n
No iOS support will be enabled for TensorFlow.

Preconfigured Bazel build configs. You can use any of the below by adding "--config=<>" to your build command. See .bazelrc for more details.
    --config=mkl            # Build with MKL support.
    --config=mkl_aarch64    # Build with oneDNN and Compute Library for the Arm Architecture (ACL).
    --config=monolithic     # Config for mostly static monolithic build.
    --config=numa           # Build with NUMA support.
    --config=dynamic_kernels    # (Experimental) Build kernels into separate shared objects.
    --config=v1             # Build with TensorFlow 1 API instead of TF 2 API.
Preconfigured Bazel build configs to DISABLE default on features:
    --config=nogcp          # Disable GCP support.
    --config=nonccl         # Disable NVIDIA NCCL support.

कॉन्फ़िगरेशन विकल्प

जीपीयू समर्थन

GPU समर्थन के लिए, कॉन्फ़िगरेशन के दौरान cuda=Y सेट करें और CUDA और cuDNN के संस्करण निर्दिष्ट करें। यदि आपके सिस्टम में CUDA या cuDNN के कई संस्करण स्थापित हैं, तो डिफ़ॉल्ट पर भरोसा करने के बजाय संस्करण को स्पष्ट रूप से सेट करें। ./configure आपके सिस्टम के CUDA पुस्तकालयों के लिए प्रतीकात्मक लिंक बनाता है - इसलिए यदि आप अपने CUDA पुस्तकालय पथ को अपडेट करते हैं, तो यह कॉन्फ़िगरेशन चरण निर्माण से पहले फिर से चलना चाहिए।

अनुकूलन

संकलन अनुकूलन फ़्लैग के लिए, डिफ़ॉल्ट ( -march=native ) आपकी मशीन के CPU प्रकार के लिए जनरेट किए गए कोड का अनुकूलन करता है। हालाँकि, यदि एक अलग CPU प्रकार के लिए TensorFlow का निर्माण किया जाता है, तो अधिक विशिष्ट अनुकूलन फ़्लैग पर विचार करें। उदाहरण के लिए जीसीसी मैनुअल देखें।

पूर्वनिर्मित विन्यास

कुछ पूर्व-कॉन्फ़िगर बिल्ड कॉन्फ़िगरेशन उपलब्ध हैं जिन्हें bazel build कमांड में जोड़ा जा सकता है, उदाहरण के लिए:

• --config=dbg —डीबग जानकारी के साथ बनाएँ। विवरण के लिए CONTRIBUTING.md देखें।
• --config=mkl — Intel® MKL-DNN के लिए समर्थन।
• --config=monolithic — ज्यादातर स्थिर, मोनोलिथिक बिल्ड के लिए कॉन्फ़िगरेशन।

पाइप पैकेज बनाएं और इंस्टॉल करें

पिप पैकेज दो चरणों में बनाया गया है। bazel build कमांड एक "पैकेज-बिल्डर" प्रोग्राम बनाता है। फिर आप पैकेज बनाने के लिए पैकेज-बिल्डर चलाते हैं।

पैकेज-बिल्डर बनाएँ

केवल CPU के समर्थन के साथ TensorFlow 2.x पैकेज-बिल्डर बनाने के लिए bazel build उपयोग करें:

bazel build [--config=option] //tensorflow/tools/pip_package:build_pip_package

जीपीयू समर्थन

GPU समर्थन के साथ TensorFlow पैकेज-बिल्डर बनाने के लिए:

bazel build --config=cuda [--config=option] //tensorflow/tools/pip_package:build_pip_package

बेज़ेल बिल्ड विकल्प

बिल्ड विकल्पों के लिए Bazel कमांड-लाइन संदर्भ देखें।

स्रोत से TensorFlow बनाने में बहुत अधिक RAM का उपयोग किया जा सकता है। यदि आपका सिस्टम मेमोरी-विवश है, तो Bazel के RAM उपयोग को इसके साथ सीमित करें: --local_ram_resources=2048 ।

आधिकारिक TensorFlow पैकेज GCC टूल चेन के साथ बनाए गए हैं जो manylinux2014 पैकेज मानक का अनुपालन करते हैं।

पैकेज तैयार करें

bazel build कमांड build_pip_package नामक निष्पादन योग्य बनाता है - यह वह प्रोग्राम है जो pip पैकेज बनाता है। /tmp/tensorflow_pkg निर्देशिका में एक .whl पैकेज बनाने के लिए नीचे दिखाए अनुसार निष्पादन योग्य चलाएँ।

एक रिलीज शाखा से निर्माण करने के लिए:

./bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

मास्टर से निर्माण करने के लिए, सही निर्भरता प्राप्त करने के लिए --nightly_flag का उपयोग करें:

./bazel-bin/tensorflow/tools/pip_package/build_pip_package --nightly_flag /tmp/tensorflow_pkg

यद्यपि एक ही स्रोत ट्री के तहत CUDA और गैर-CUDA दोनों कॉन्फ़िगरेशन बनाना संभव है, लेकिन एक ही स्रोत ट्री में इन दो कॉन्फ़िगरेशन के बीच स्विच करते समय bazel clean चलाने की अनुशंसा की जाती है।

पैकेज स्थापित करें

उत्पन्न .whl फ़ाइल का फ़ाइल नाम TensorFlow संस्करण और आपके प्लेटफ़ॉर्म पर निर्भर करता है। उदाहरण के लिए, पैकेज को स्थापित करने के लिए pip install उपयोग करें:

pip install /tmp/tensorflow_pkg/tensorflow-version-tags.whl

डॉकर लिनक्स बनाता है

TensorFlow की डॉकर विकास छवियां स्रोत से लिनक्स पैकेज बनाने के लिए वातावरण स्थापित करने का एक आसान तरीका है। इन छवियों में पहले से ही TensorFlow बनाने के लिए आवश्यक स्रोत कोड और निर्भरताएँ हैं। स्थापना निर्देशों और उपलब्ध छवि टैग की सूची के लिए TensorFlow Docker गाइड पर जाएं।

सीपीयू केवल

निम्न उदाहरण नवीनतम TensorFlow स्रोत कोड से CPU-only पैकेज बनाने के लिए :devel छवि का उपयोग करता है। उपलब्ध TensorFlow -devel टैग के लिए डॉकर गाइड देखें।

नवीनतम विकास छवि डाउनलोड करें और एक डॉकर कंटेनर शुरू करें जिसका उपयोग आप पिप पैकेज बनाने के लिए करेंगे:

docker pull tensorflow/tensorflow:devel
docker run -it -w /tensorflow_src -v $PWD:/mnt -e HOST_PERMS="$(id -u):$(id -g)" \
    tensorflow/tensorflow:devel bash

git pull  # within the container, download the latest source code

उपरोक्त docker run कमांड /tensorflow_src डायरेक्टरी में एक शेल शुरू करता है- सोर्स ट्री की जड़। यह कंटेनर की /mnt निर्देशिका में होस्ट की वर्तमान निर्देशिका को आरोहित करता है, और एक पर्यावरण चर के माध्यम से मेजबान उपयोगकर्ता की जानकारी को कंटेनर में भेजता है (अनुमतियों को सेट करने के लिए उपयोग किया जाता है - डॉकर इसे मुश्किल बना सकता है)।

वैकल्पिक रूप से, एक कंटेनर के भीतर TensorFlow की एक होस्ट कॉपी बनाने के लिए, कंटेनर के /tensorflow डायरेक्टरी पर होस्ट सोर्स ट्री को माउंट करें:

docker run -it -w /tensorflow -v /path/to/tensorflow:/tensorflow -v $PWD:/mnt \
    -e HOST_PERMS="\\((id -u):\\)(id -g)" tensorflow/tensorflow:devel bash

स्रोत ट्री की स्थापना के साथ, कंटेनर के आभासी वातावरण में TensorFlow पैकेज बनाएँ:

1. वैकल्पिक: बिल्ड को कॉन्फ़िगर करें—यह उपयोगकर्ता को बिल्ड कॉन्फ़िगरेशन प्रश्नों का उत्तर देने के लिए संकेत देता है।
2. पिप पैकेज बनाने के लिए प्रयुक्त उपकरण का निर्माण करें।
3. पाइप पैकेज बनाने के लिए टूल चलाएँ।
4. कंटेनर के बाहर के लिए फ़ाइल की स्वामित्व अनुमतियां एडजस्ट करें.

./configure  # if necessary

bazel build --config=opt //tensorflow/tools/pip_package:build_pip_package

./bazel-bin/tensorflow/tools/pip_package/build_pip_package /mnt  # create package

chown $HOST_PERMS /mnt/tensorflow-version-tags.whl

कंटेनर के भीतर पैकेज को स्थापित और सत्यापित करें:

pip uninstall tensorflow  # remove current version

pip install /mnt/tensorflow-version-tags.whl
cd /tmp  # don't import from source directory
python -c "import tensorflow as tf; print(tf.__version__)"

आपकी होस्ट मशीन पर, TensorFlow पाइप पैकेज वर्तमान निर्देशिका में है (होस्ट उपयोगकर्ता अनुमतियों के साथ): ./tensorflow- version - tags .whl

जीपीयू समर्थन

डॉकर TensorFlow के लिए GPU समर्थन बनाने का सबसे आसान तरीका है क्योंकि होस्ट मशीन को केवल NVIDIA® ड्राइवर की आवश्यकता होती है ( NVIDIA® CUDA® टूलकिट को स्थापित करने की आवश्यकता नहीं है)। nvidia-docker (केवल Linux) सेट करने के लिए GPU सपोर्ट गाइड और TensorFlow Docker गाइड देखें।

निम्न उदाहरण TensorFlow :devel-gpu छवि डाउनलोड करता है और GPU-सक्षम कंटेनर को चलाने के लिए nvidia-docker उपयोग करता है। इस विकास छवि को GPU समर्थन के साथ एक पिप पैकेज बनाने के लिए कॉन्फ़िगर किया गया है:

docker pull tensorflow/tensorflow:devel-gpu
docker run --gpus all -it -w /tensorflow -v $PWD:/mnt -e HOST_PERMS="$(id -u):$(id -g)" \
    tensorflow/tensorflow:devel-gpu bash
git pull  # within the container, download the latest source code

फिर, कंटेनर के आभासी वातावरण में, GPU समर्थन के साथ TensorFlow पैकेज बनाएँ:

./configure  # if necessary

bazel build --config=opt --config=cuda //tensorflow/tools/pip_package:build_pip_package

./bazel-bin/tensorflow/tools/pip_package/build_pip_package /mnt  # create package

chown $HOST_PERMS /mnt/tensorflow-version-tags.whl

कंटेनर के भीतर पैकेज को स्थापित और सत्यापित करें और जीपीयू की जांच करें:

pip uninstall tensorflow  # remove current version

pip install /mnt/tensorflow-version-tags.whl
cd /tmp  # don't import from source directory
python -c "import tensorflow as tf; print(\"Num GPUs Available: \", len(tf.config.list_physical_devices('GPU')))"

निर्मित विन्यास का परीक्षण किया

लिनक्स

CPU

जीपीयू

मैक ओएस

CPU

जीपीयू