TensorFlow może używać procesora i procesora graficznego do wykonywania złożonych obliczeń związanych ze sztuczną inteligencją (AI) i uczeniem maszynowym (ML). TensorFlow może wykorzystywać dowolny procesor graficzny NVIDIA obsługujący CUDA do przyspieszania programów AI/ML. Jeśli nie masz procesora graficznego obsługującego CUDA, TensorFlow użyje procesora do obsługi kodów AI/ML. Bez akceleracji GPU wydajność TensorFlow ulegnie pogorszeniu w złożonych programach AI/ML.
W tym artykule pokażemy, jak zainstalować TensorFlow z akceleracją NVIDIA CUDA/cuDNN na Debianie 12 „Bookworm”.
Temat treści:
- Sprawdzanie, czy na komputerze jest zainstalowany procesor graficzny NVIDIA
- Instalowanie Pythona 3 PIP i Pythona Venv na Debianie 12
- Tworzenie wirtualnego środowiska Python 3 dla TensorFlow
- Aktualizacja Pythona 3 PIP w środowisku wirtualnym Pythona 3
- Instalowanie TensorFlow z obsługą akceleracji NVIDIA CUDA
- Instalowanie TensorRT na Debianie 12
- Aktywacja środowiska wirtualnego TensorFlow Python 3
- Uzyskiwanie dostępu do TensorFlow i sprawdzanie, czy dostępna jest akceleracja NVIDIA GPU/CUDA
- Wniosek
Sprawdzanie, czy na komputerze jest zainstalowany procesor graficzny NVIDIA
Aby TensorFlow mógł przyspieszać programy AI za pomocą procesora graficznego NVIDIA/CUDA, musisz mieć Sterowniki karty graficznej NVIDIA I NVIDIA CUDA i cuDNN zainstalowany w systemie operacyjnym Debian 12.
Jeśli potrzebujesz pomocy w instalacji sterowników procesora graficznego NVIDIA w systemie operacyjnym Debian 12, przeczytaj ten artykuł .
Jeśli potrzebujesz pomocy w instalacji sterowników NVIDIA CUDA i cuDNN w systemie operacyjnym Debian 12, przeczytaj ten artykuł .
Po zainstalowaniu sterowników procesora graficznego NVIDIA w systemie Debian 12 polecenie „nvidia-smi” powinno być dostępne.
Moduły jądra NVIDIA powinny być również załadowane do systemu Debian 12.
Po zainstalowaniu sterowników NVIDIA CUDA w systemie Debian 12 powinno być dostępne polecenie „nvcc”.
Instalowanie Pythona 3 PIP i Pythona Venv na Debianie 12
Aby zainstalować TensorFlow na Debianie 12, musisz mieć zainstalowany moduł Python 3 PIP i środowisko wirtualne Python (venv).
Najpierw zaktualizuj pamięć podręczną repozytorium pakietów APT za pomocą następującego polecenia:
$ sudo trafna aktualizacja 
Aby zainstalować środowisko wirtualne Python 3 PIP i Python 3 (venv), uruchom następującą komendę:
$ sudo trafny zainstalować python3-pip python3-venv python3-dev Aby potwierdzić instalację, naciśnij „Y”, a następnie naciśnij
Instalowane są Python 3 PIP i Python 3 Venv. Ukończenie zajmuje trochę czasu.
W tym momencie należy zainstalować Python 3 PIP i Python 3 venv.
Tworzenie wirtualnego środowiska Python 3 dla TensorFlow
Standardową praktyką instalowania bibliotek Pythona w Debianie 12 jest instalowanie ich w wirtualnym środowisku Python, aby nie kolidowały z systemowymi pakietami/bibliotekami Pythona.
Aby utworzyć nowe środowisko wirtualne Python 3 dla TensorFlow w katalogu „/opt/tensorflow”, uruchom następującą komendę:
$ sudo Python3 -M wenw / optować / przepływ tensorowyAktualizacja Pythona 3 PIP w środowisku wirtualnym Pythona 3
Aby zaktualizować Python 3 PIP do najnowszej wersji w środowisku wirtualnym Python 3 „/opt/tensorflow”, uruchom następującą komendę:
$ sudo / optować / przepływ tensorowy / kosz / pypeć zainstalować --aktualizacja pypeć 
Instalowanie TensorFlow z obsługą akceleracji NVIDIA CUDA
Aby zainstalować TensorFlow z obsługą akceleracji NVIDIA CUDA w środowisku wirtualnym Python „/opt/tensorflow”, uruchom następującą komendę:
$ sudo / optować / przepływ tensorowy / kosz / pypeć zainstalować przepływ tensorowy [ i-cuda ]Instalowany jest TensorFlow z akceleracją NVIDIA CUDA. Ukończenie zajmuje trochę czasu.
W tym momencie należy zainstalować TensorFlow ze wsparciem akceleracji NVIDIA CUDA.
Instalowanie TensorRT na Debianie 12
NVIDIA TensorRT jeszcze bardziej optymalizuje wydajność głębokiego uczenia się TensorFlow. Możesz zainstalować TensorRT w środowisku wirtualnym TensorFlow Python „/opt/tensorflow” za pomocą następującego polecenia:
$ sudo / optować / przepływ tensorowy / kosz / pypeć zainstalować tensortNVIDIA TensorRT jest instalowana w środowisku wirtualnym Python. Ukończenie zajmuje trochę czasu.
W tym momencie należy zainstalować NVIDIA TensorRT.
Aktywacja środowiska wirtualnego TensorFlow Python 3
Aby aktywować środowisko wirtualne TensorFlow Python „/opt/tensorflow”, uruchom następującą komendę:
$ . / optować / przepływ tensorowy / kosz / AktywujNależy aktywować środowisko wirtualne TensorFlow Python 3.
Uzyskiwanie dostępu do TensorFlow i sprawdzanie, czy dostępna jest akceleracja NVIDIA GPU/CUDA
Aby otworzyć interaktywną powłokę Pythona 3, uruchom następujące polecenie:
$ Python3Należy otworzyć interaktywną powłokę Pythona 3.
Najpierw zaimportuj TensorFlow za pomocą następującego wiersza kodu:
$ importuj tensorflow Jak tfPo zaimportowaniu TensorFlow możesz sprawdzić numer wersji TensorFlow, który zainstalowałeś, za pomocą następującego wiersza kodu. Jak widać, w naszym systemie Debian 12 mamy zainstalowany TensorFlow 2.13.1.
$ tf.__wersja__Aby sprawdzić, czy TensorFlow może używać procesora graficznego NVIDIA zainstalowanego na komputerze do akceleracji CUDA, uruchom następujący wiersz kodu. Jak widać, nasz procesor graficzny NVIDIA jest dostępny z poziomu TensorFlow.
$ wydrukować ( tf.config.list_physical_devices ( „GPU” ) ) 
Aby wyjść z interaktywnej powłoki Pythona, uruchom następujący wiersz kodu:
$ zrezygnować ( )Wniosek
W tym artykule pokazaliśmy, jak zainstalować środowisko wirtualne Python 3 PIP i Python 3 (venv) na Debianie 12. Pokazaliśmy również, jak utworzyć środowisko wirtualne Python 3 dla TensorFlow na Debianie 12 i jak zainstalować TensorFlow za pomocą NVIDIA Obsługa akceleracji GPU/CUDA i NVIDIA TensorRT również w Debianie 12. Na koniec pokazaliśmy, jak aktywować środowisko wirtualne TensorFlow Python i uzyskać dostęp do TensorFlow w Debianie 12.