that - tensorflow python 3 7
¿Tensorflow es compatible con un flujo de trabajo de Windows? (6)
No he visto nada sobre la compatibilidad con Windows: ¿está en camino o actualmente disponible en algún lugar si hago algún esfuerzo? (Tengo una Mac y una caja de Ubuntu, pero la máquina de Windows es la que tiene la tarjeta gráfica discreta que utilizo actualmente con theano).
¡TensorFlow ya está disponible oficialmente en Windows!
TensorFlow ahora se compila y ejecuta en Microsoft Windows (probado en Windows 10, Windows 7 y Windows Server 2016). Los lenguajes compatibles incluyen Python (a través de un paquete pip) y C ++. CUDA 8.0 y cuDNN 5.1 son compatibles con la aceleración de GPU. Las limitaciones conocidas incluyen: Actualmente no es posible cargar una biblioteca operativa personalizada. Los sistemas de archivos GCS y HDFS no son compatibles actualmente. Las siguientes operaciones no se implementan actualmente: DepthwiseConv2dNative, DepthwiseConv2dNativeBackpropFilter, DepthwiseConv2dNativeBackpropInput, descuantificar, digamma, FER, ERFC, IGamma, Igammac, lgamma, poligamma, QuantizeAndDequantize, QuantizedAvgPool, QuantizedBatchNomWithGlobalNormalization, QuantizedBiasAdd, QuantizedConcat, QuantizedConv2D, QuantizedMatmul, QuantizedMaxPool, QuantizeDownAndShrinkRange, QuantizedRelu, QuantizedRelu6, QuantizedReshape, QuantizeV2, RequantizationRange y Requantize.
Como sugirió @mrry, es más fácil configurar TensorFlow con Docker. Así es como logré configurarlo, así como poner en funcionamiento iPython Notebook en mi entorno Docker (me parece realmente conveniente usar iPython Notebook para todos los propósitos de prueba, así como para documentar mis experimentos).
Supongo que ha instalado tanto docker como boot2docker para Windows aquí.
Primero, ejecute el acoplador TensorFlow en el daemon y configúrelo para que se pueda acceder al servidor Jupyter (iPython Notebook) desde el navegador de su sistema Windows principal:
docker run -dit -v /c/Users/User/:/media/disk -p 8888:8888 b.gcr.io/tensorflow/tensorflow:latest
Reemplace
/c/Users/User/
con una ruta en su host que desea montar, es decir, donde puede guardar sus archivos iPython.
No sé cómo configurarlo en otras unidades que no sean C :, avíseme si lo hace
.
/media/disk
es la ubicación en su acoplador TensorFlow donde está montada su ruta de host.
-p 8888:8888
básicamente significa "asignar el puerto 8888 en la ventana acoplable a 8888 en el directorio host".
Puede cambiar la segunda parte a otros puertos si lo desea.
Cuando lo tienes funcionando, puedes acceder a él ejecutando el siguiente código:
docker exec -ti [docker-id] bash
Donde se puede encontrar [docker-id] ejecutando:
docker ps
Para iniciar su servidor de notebook ipython desde la ventana acoplable de TensorFlow, ejecute el siguiente comando:
ipython notebook --ip=''*''
Para permitir que el servidor ipython escuche toda la ip para que su aplicación sea accesible desde la máquina host.
En lugar de ver su aplicación en
http://localhost:8888
, solo puede verla en
http://[boot2docker-ip]:8888
.
Para encontrar
boot2docker-ip
ejecute esto en su terminal (no en la terminal boot2docker):
boot2docker ip
El soporte inicial para construir TensorFlow en Microsoft Windows se agregó el 2016-10-05 en commit d0d975f8c3330b5402263b2356b038bc8af919a2 :
Este PR contiene una versión inicial de soporte para construir TensorFlow (solo CPU) en Windows usando CMake. Incluye documentación para compilar con CMake en Windows, código específico de plataforma para implementar funciones centrales en Windows y reglas de CMake para compilar el programa de entrenador de ejemplo C ++ y un paquete PIP (solo Python 3.5). Las reglas de CMake admiten la creación de TensorFlow con Visual Studio 2015.
El soporte de Windows es un trabajo en progreso, y agradecemos sus comentarios y contribuciones.
Para obtener detalles completos de las funciones actualmente compatibles e instrucciones sobre cómo compilar TensorFlow en Windows, consulte el archivo
tensorflow/contrib/cmake/README.md.
Otra forma de ejecutarlo en Windows es instalar, por ejemplo, Vmware (una versión gratuita si no lo está utilizando comercialmente), instalar Ubuntu Linux en él y luego instalar TensorFlow siguiendo las instrucciones de Linux. Eso es lo que he estado haciendo, funciona bien.
TensorFlow no es compatible con Windows en este momento, pero Windows ha cambiado. Windows 10 Build 14432 incluye bash.
Puede descargar la compilación desde https://www.microsoft.com/en-us/software-download/windowsinsiderpreviewadvanced
Después de la instalación, simplemente instale / habilite bash y escriba
bash
en cmd.
Eso es.
(La imagen es de https://blogs.windows.com/windowsexperience/2016/04/06/announcing-windows-10-insider-preview-build-14316/ )
Luego, ejecute esto (Python ya está instalado):
sudo apt-get install python-pip python-dev
sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl
¡Feliz tensor que fluye en Windows!
Actualizado el 28/11/2016: Hoy lanzamos el primer candidato de lanzamiento de TensorFlow 0.12, que incluye soporte para Windows. Puede instalar los enlaces de Python utilizando el siguiente comando en un shell de Python:
C:/> pip install tensorflow
... o, si quieres soporte para GPU:
C:/> pip install tensorflow-gpu
También puede construir TensorFlow usted mismo usando Microsoft Visual C ++ y NVCC (para las partes de CUDA). Actualmente, la forma más fácil de compilar en Windows es utilizar la compilación CMake , y pronto brindaremos soporte para Bazel en Windows .
Respuesta anterior: Hasta ahora no hemos intentado construir TensorFlow en Windows: las únicas plataformas compatibles son Linux (Ubuntu) y Mac OS X, y solo hemos creado binarios para esas plataformas.
Por ahora, en Windows, la forma más fácil de comenzar con TensorFlow sería usar Docker: http://tensorflow.org/get_started/os_setup.md#docker-based_installation
Debería ser más fácil agregar soporte de Windows cuando Bazel (el sistema de compilación que estamos usando) agrega soporte para compilar en Windows, que está en la hoja de ruta para Bazel 0.3 . Puedes ver la hoja de ruta completa de Bazel aquí .
Mientras tanto, puede seguir el número 17 en la página de TensorFlow GitHub .