[Перевод] Установите TensorFlow на Ubuntu

Google искусственный интеллект TensorFlow глубокое обучение Программа перевода самородков

Эта статья взята изПрограмма перевода самородковОрганизуется переводОфициальная документация TensorFlow. Если вам интересно, добро пожаловатьПодать заявку на переводчика, изучив учебник переводчика, участвуйте в переводе и сопоставлении статей и документов. Мы также набираем переводчиков TensorFlow, поэтому, пожалуйста, примите активное участие.

В этом руководстве объясняется, как установить TensorFlow в Ubuntu. Методы, описанные в этой статье, могут работать и в других дистрибутивах Linux, но здесь мы тестировали (и поддерживали) только Ubuntu 14.04 и выше.

Какой TensorFlow установить

Для установки необходимо выбрать один из следующих вариантов TensorFlow:

  • TensorFlow с поддержкой только ЦП. Если в вашей системе нет графического процессора NVIDIA®, вы должны установить эту версию. Следует отметить, что эту версию TensorFlow обычно проще установить (часто это занимает от 5 до 10 минут), поэтому даже если у вас есть графический процессор NVIDIA, мы все равно рекомендуем сначала попробовать эту версию.
  • TensorFlow с поддержкой графического процессора. TensorFlow работает намного быстрее на GPU, чем та же программа на CPU. Поэтому вам следует установить эту версию, если в вашей системе установлена ​​графическая карта NVIDIA® GPU, отвечающая следующим требованиям, а ваше приложение предъявляет строгие требования к производительности.

Требования NVIDIA для запуска TensorFlow с графическими процессорами

Если вы устанавливаете TensorFlow с поддержкой графического процессора одним из методов, описанных в этой справке, в вашей системе должно быть установлено следующее программное обеспечение NVIDIA:

  • CUDA® Toolkit 8.0 (CUDA® Toolkit 8.0) ПодробнееДокументация NVIDIA. Убедитесь, что вы прикрепили пути, связанные с Cuda, как описано в документации NVIDIA.LD_LIBRARY_PATHв переменных окружения.

  • Драйвер NVIDIA для CUDA Toolkit 8.0.

  • cuDNN версии 6.0. Подробнее см.Документация NVIDIA. Убедитесь, что вы создаете, как описано в документации NVIDIA.CUDA_HOMEпеременная среды

  • Видеокарта с вычислительными возможностями CUDA 3.0 или выше. видетьДокументация NVIDIAСписок поддерживаемых графических процессоров в формате .

  • Интерфейс к инструменту парсинга NVIDIA CUDA, библиотеке libcupti-dev. Эта библиотека обеспечивает поддержку более продвинутых инструментов анализа. Чтобы установить эту библиотеку, выполните следующую команду для CUDA Toolkit 8.0+:

    $ sudo apt-get install cuda-command-line-tools

    и добавьте его путь к вашей переменной окруженияLD_LIBRARY_PATHсередина:

     
$ export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64

    Для CUDA Toolkit 7.5 и ниже запустите:

    $ sudo apt-get install libcupti-dev

Если версия вашего пакета более старая, обновите ее до указанной версии. Если вы не можете выполнить обновление, вы все равно можете использовать TensorFlow с поддержкой графического процессора, но вам необходимо выполнить следующие шаги:

  • Установите TensorFlow, используя исходники из следующей документации. @{install_sourcesInstalling TensorFlow from Sources}.
  • Установите или обновите как минимум до следующих версий NVIDIA:
    • Инструментарий CUDA 7.0 или выше
    • cuDNN v3 или выше
    • Видеокарта GPU с вычислительной мощностью CUDA 3.0 или выше

Решите, как установить TensorFlow

Вы должны решить, какой метод использовать для установки TensorFlow. Существует несколько поддерживаемых методов:

Мы рекомендуем использовать метод установки virtualenv VirtualenvЭто виртуальная среда Python, независимая от других развертываний Python, и она не будет взаимодействовать с другими программами Python на том же компьютере. Во время установки virtualenv вам необходимо установить TensorFlow и все пакеты, от которых он зависит (на самом деле это довольно просто). Чтобы начать работу с TensorFlow, нужно просто активировать («активировать») виртуальную среду. В целом, virtualenv обеспечивает безопасный и надежный способ установки и запуска TensorFlow.

Установите TensorFlow прямо в вашей системе, используя собственный pip, без использования какой-либо контейнерной системы.Для администраторов многопользовательских систем, которые хотят сделать TensorFlow доступным для каждого пользователя, мы рекомендуем прямую установку с использованием собственного pip.Поскольку собственная установка pip не препятствует установке отдельного контейнера, pip может повлиять на другие программы на основе Python на том же компьютере. Однако, если вы знаете pip и вашу текущую среду Python, установка собственного pip будет проще, часто для этого требуется только одна команда.

Docker полностью изолирует установку TensorFlow от других библиотек, ранее установленных на вашем компьютере. Контейнер Docker содержит TensorFlow и все остальные зависимости. Обратите внимание, что образы Docker могут быть довольно большими (размером в сотни МБ). Если вы уже используете Docker в большом проекте приложения, вам также следует использовать его для установки TensorFlow.

В Anaconda вы можете использовать conda для создания виртуальной среды. Тем не менее, мы рекомендуем вам использоватьpip installкоманда для установки TensorFlow в Anaconda вместоconda install.

Уведомление:Пакеты в conda принадлежат сообществу и официально не поддерживаются. При этом команда TensorFlow не тестирует и не поддерживает пакеты в conda. Это может создать скрытые опасности для вашего использования, и вы должны нести за это ответственность.

Установить с помощью виртуалэнв

Выполните следующие действия, чтобы установить TensorFlow с помощью virtualenv:

  1. Выберите одну из приведенных ниже команд, чтобы установить pip и virtualenv:

    $ sudo apt-get install python-pip python-dev python-virtualenv # for Python 2.7
$ sudo apt-get install python3-pip python3-dev python-virtualenv # for Python 3.n

  2. Выберите одну из этих команд, чтобы создать виртуальную среду с помощью virtualenv:

    $ virtualenv --system-site-packages targetDirectory # for Python 2.7
$ virtualenv --system-site-packages -p python3 targetDirectory # for Python 3.n

    вtargetDirectoryУказывает корневую позицию в дереве virtualenv. Наша команда предполагаетtargetDirectoryда~/tensorflow, но вы также можете указать любой каталог.

  3. Активируйте виртуальную среду virtualenv любой из следующих команд:

    $ source ~/tensorflow/bin/activate # bash, sh, ksh, or zsh
$ source ~/tensorflow/bin/activate.csh  # csh or tcsh

    Статья 1sourceкоманда изменит ваш префикс на

<pre>(tensorflow)$ </pre>

  1. Убедитесь, что у вас установлен pip версии 8.1 или выше:

    (tensorflow)$ easy_install -U pip

  2. Запустите одну из следующих команд, чтобы установить TensorFlow в активированной среде virtualenv:

    (tensorflow)$ pip install --upgrade tensorflow      # for Python 2.7
(tensorflow)$ pip3 install --upgrade tensorflow     # for Python 3.n
(tensorflow)$ pip install --upgrade tensorflow-gpu  # for Python 2.7 and GPU
(tensorflow)$ pip3 install --upgrade tensorflow-gpu # for Python 3.n and GPU

    Если этот шаг выполнен успешно, пропустите шаг 6, в противном случае перейдите к шагу 6.

  3. (Необязательно) Если шаг 5 не удался (обычно из-за того, что вы используете версию pip ниже 8.1), установите TensorFlow в активированной среде virtualenv с помощью следующей команды:

    (tensorflow)$ pip install --upgrade tfBinaryURL   # Python 2.7
(tensorflow)$ pip3 install --upgrade tfBinaryURL  # Python 3.n

    вtfBinaryURLУказывает путь URL к пакету TensorFlow Python.tfBinaryURLЗначение зависит от операционной системы, версии Python и поддержки GPU. Найдите здесь, когда ваша системаtfBinaryURL ценность, Например, если вы хотите установить TensorFlow в среде Linux, Python 3.4, только для ЦП, выполните следующую команду в активированной среде virtualenv:

    (tensorflow)$ pip3 install --upgrade \
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0rc0-cp34-cp34m-linux_x86_64.whl

Если у вас возникли проблемы с установкой, см.Распространенные проблемы с установкой.

Следующий шаг

После установки TensorFlow, необходимостьПроверьте свою установку.

Обратите внимание, что вы должны активировать свою виртуальную среду каждый раз, когда запускаете TensorFlow. Если среда virtualenv в данный момент не активна, выполните одну из следующих команд:

$ source ~/tensorflow/bin/activate      # bash, sh, ksh, or zsh
$ source ~/tensorflow/bin/activate.csh  # csh or tcsh

Когда среда virtualenv активирована, вы можете использовать оболочку для запуска связанных программ. Когда ваше приглашение выглядит следующим образом, это означает, что ваша виртуальная среда активирована:

(tensorflow)$

Когда вы закончите использовать TensorFlow, вы можете передатьdeactivateКоманда для перевода среды в спящий режим:

(tensorflow)$ deactivate

Подсказка префикса вернется к исходному стилю по умолчанию (путемPS1определения переменных среды).

Удалить TensorFlow

Чтобы удалить TensorFlow, просто удалите все созданное дерево каталогов. Например:

$ rm -r targetDirectory

Установить с родным пипсом

Вы можете установить TensorFlow через pip, выбрав между простым процедура установки или более сложная. Возможно, вам придется установить TensorFlow через pip, выбирая между простым процессом установки и более сложным:

Уведомление:Раздел REQUIRED_PACKAGES в setup.pyСписок всех пакетов, которые pip установит или обновит при установке TensorFlow.

Предварительные требования для установки: Python и Pip

Python автоматически устанавливается в Ubuntu. Потратьте секунду, чтобы подтвердить версию Python, установленную в вашей системе (командаpython -V):

  • Python 2.7
  • Python 3.4+

управление пакетами pip или pip3как правилобудет установлен в системах Ubuntu. пройти черезpip -Vилиpip3 -Vкоманда, чтобы проверить, установлен ли он. Мы настоятельно рекомендуем установить pip или pip3 версии 8.1 или выше. Если он не установлен, выполните следующую команду для установки или обновления до последней версии pip:

$ sudo apt-get install python-pip python-dev   # for Python 2.7
$ sudo apt-get install python3-pip python3-dev # for Python 3.n

Установить ТензорФлоу

Предполагая, что необходимое программное обеспечение уже установлено на вашем хосте Linux, выполните следующие действия:

  1. сквозькомандаУстановите ТензорФлоу:

    $ pip install tensorflow      # Python 2.7; CPU support (no GPU support)
$ pip3 install tensorflow     # Python 3.n; CPU support (no GPU support)
$ pip install tensorflow-gpu  # Python 2.7;  GPU support
$ pip3 install tensorflow-gpu # Python 3.n; GPU support

    Если команда завершает установку, теперь вы должныПодтвердите свою установку.

  2. (Необязательно) Если шаг 1 не удался, установите следующий формат и выполните команду для установки:

    $ sudo pip  install --upgrade tfBinaryURL   # Python 2.7
$ sudo pip3 install --upgrade tfBinaryURL   # Python 3.n

    вtfBinaryURLУказывает путь URL к пакету TensorFlow Python.tfBinaryURLЗначение зависит от операционной системы, версии Python и поддержки GPU. существуетздесьУзнайте, когда ваша системаtfBinaryURLценность. Например, если вы хотите установить TensorFlow в среде Linux, Python 3.4, только для ЦП, выполните следующую команду в активированной среде virtualenv:

    (tensorflow)$ pip3 install --upgrade \
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0rc0-cp34-cp34m-linux_x86_64.whl

    Если этот шаг не удался, см. здесьРаспространенные проблемы с установкой.

Следующий шаг

После установки TensorFlow,Проверьте свою установку.

удалить

Чтобы удалить TensorFlow, выполните следующую команду:

$ sudo pip uninstall tensorflow  # for Python 2.7
$ sudo pip3 uninstall tensorflow # for Python 3.n

Установить с помощью Докера

Установите TensorFlow с Docker, выполнив следующие действия:

  1. какДокументация по докеруУстановите Docker, как описано в .
  2. В качестве альтернативы создайте группу Linux с именемdockerЛаируДокументация по докеруКак упоминалось в , это позволяет запускать контейнер без необходимости использования команды sudo. (Если вы не выполните этот шаг, вам нужно будет использовать команду sudo каждый раз, когда вы используете Docker.)
  3. Чтобы установить TensorFlow с поддержкой графического процессора, вы должны сначала установитьnvidia-docker
  4. запуск содержитБинарное изображение TensorFlowДокер.

В остальных разделах объясняется, как запустить контейнер Docker.

только ЦП

Чтобы запустить контейнер Docker только для CPU (то есть без поддержки GPU), выполните команду следующего формата:

$ docker run -it -p hostPort:containerPort TensorFlowCPUImage

в:

  • -p hostPort:containerPortне является обязательным Игнорируйте этот параметр, если вы планируете запускать программы TensorFlow из командной строки оболочки. Если вы собираетесь запускать TensorFlow, например, в ноутбуках Jupyter, поставьтеhostPortиcontainerPortнастроены на8888, Если вы хотите запустить TensorBoard в контейнере, добавьте-p,будетhostPortиcontainerPortОба установлены на 6006.

  • TensorFlowCPUImageявляется обязательным. Он указывает Докер. Выберите, чтобы объявить одно из этих значений:

    • gcr.io/tensorflow/tensorflow, что является значением двоичного образа ЦП TensorFlow.
    • gcr.io/tensorflow/tensorflow:latest-devel, который представляет собой последний двоичный образ процессора TensorFlow плюс исходный код,
    • gcr.io/tensorflow/tensorflow:version, который представляет собой двоичный образ ЦП TensorFlow для определенной версии (например, 1.1.0rc1).
    • gcr.io/tensorflow/tensorflow:version-devel, который представляет собой двоичный образ ЦП TensorFlow плюс исходный код для определенной версии (например, 1.1.0rc1).

    gcr.ioявляется реестром контейнеров Google. Обратите внимание, что некоторые изображения TensorFlow также доступны по адресуdockerhubнайти в.

Например, следующая команда запускает двоичный образ ЦП TensorFlow в контейнере Docker, вы можете запустить TensorFlow из командной строки оболочки:

$ docker run -it gcr.io/tensorflow/tensorflow bash

Следующие команды также могут запускать последний двоичный образ ЦП TensorFlow в Docker. Разница в том, что в этом образе Docker вы можете запустить TensorFlow в блокноте Jupyter:

$ docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow

Docker загрузит двоичный образ TensorFlow при первом запуске.

Поддержка графического процессора

Перед установкой TensorFlow с поддержкой графического процессора убедитесь, что ваша система соответствуетПрограммные требования NVIDIA, Чтобы запустить контейнер Docker с поддержкой графического процессора NVIDIA, выполните команду следующего формата:

$ nvidia-docker run -it -p hostPort:containerPort TensorFlowGPUImage

в:

  • -p hostPort:containerPortПо желанию. Если вы хотите запустить TensorFlow из командной строки оболочки, игнорируйте этот параметр. Если вы хотите запустить эту программу в блокнотах Jupyter, добавьтеhostPortиcontainerPortнастроены на8888.
  • TensorFlowGPUImageКонтейнер Docker указан. Вы должны объявить одно из значений:
    • gcr.io/tensorflow/tensorflow:latest-gpu, — это последний двоичный образ графического процессора TensorFlow.
    • gcr.io/tensorflow/tensorflow:latest-devel-gpu, — это последний двоичный образ графического процессора TensorFlow плюс исходный код.
    • gcr.io/tensorflow/tensorflow:version-gpu, который представляет собой конкретную версию двоичного образа графического процессора TensorFlow (например, 0.12.1).
    • gcr.io/tensorflow/tensorflow:version-devel-gpu, — это конкретная версия двоичного образа графического процессора TensorFlow (например, 0.12.1) плюс исходный код.

Мы рекомендуем установку最新версия. Например, следующая команда запускает двоичный образ графического процессора TensorFlow в контейнере Docker, и вы можете запускать программы TensorFlow в оболочке:

$ nvidia-docker run -it gcr.io/tensorflow/tensorflow:latest-gpu bash

Следующая команда также запускает последний двоичный образ графического процессора TensorFlow в контейнере Docker. В этом контейнере Docker вы можете запускать программы в блокнотах Jupyter:

$ nvidia-docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow:latest-gpu

Следующая команда может установить более раннюю версию TensorFlow (0.12.1):

$ nvidia-docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow:0.12.1-gpu

Docker загрузит двоичный образ TensorFlow при первом запуске. Для получения дополнительной информации см.TensorFlow docker readme.

Следующий шаг

вам следуетПроверьте свою установку.

Установить с помощью Анаконды

Выполните следующие шаги, чтобы следовать TensorFlow в среде Anaconda:

  1. в соответствии сСайт загрузки Анакондыскачать и установить Анаконду.

  2. СоздатьtensorflowСреда conda для запуска определенной версии Python:

    $ conda create -n tensorflow pip python=2.7 # or python=3.3, etc.

  3. Используйте следующую команду для активации среды conda:

    $ source activate tensorflow
(tensorflow)$  # 这时你的前缀应该变成这样

  4. Запустите команду следующего формата, чтобы установить TensorFlow в вашей среде conda:

    (tensorflow)$ pip install --ignore-installed --upgrade tfBinaryURL

    вtfBinaryURLдаURL-адрес пакета TensorFlow Python. Например, следующая команда устанавливает TensorFlow в версии Python 3.4 только для ЦП:

    (tensorflow)$ pip install --ignore-installed --upgrade \
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0rc0-cp34-cp34m-linux_x86_64.whl

Проверьте свою установку

Выполните следующие действия, чтобы проверить установку TensorFlow:

  1. Убедитесь, что ваша среда может запускать TensorFlow (например, активируйте его, если у вас есть виртуальная среда).
  2. Выполнить короткую программу TensorFlow

Подготовьте свою среду

Если вы установили с помощью нативного pip, virtualenv или Anaconda, сделайте следующее:

  1. Откройте терминал.
  2. Если вы устанавливали с помощью virtualenv или Anaconda, активируйте свой контейнер.
  3. Если вы используете установку исходного кода TensorFlow, перейдите по любому пути,КромеГде есть исходный код TensorFlow.

Если вы установили через Docker, запустите контейнер Docker, в котором вы можете использовать куст, например:

$ docker run -it gcr.io/tensorflow/tensorflow bash

Выполнить короткую программу TensorFlow

Запустите Python в командной строке вашей оболочки:

$ python

Запустите следующую программу в командной строке интерактивной оболочки Python:

# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

Если система выводит данные, значит, вы готовы написать программу TensorFlow:

Hello, TensorFlow!

Если вы все еще относительно новичок в TensorFlow, обратитесь к @{get_started/get_startedGetting Started with TensorFlow}.

Если система выводит сообщение об ошибке, см.Распространенные ошибки установки.

Распространенные ошибки установки

Мы полагаемся на Stack Overflow, чтобы писать проблемы установки TensorFlow и их решения. В таблице ниже приведены ответы Stack Overflow на распространенные вопросы по установке. Если вы столкнулись с другими сообщениями об ошибках или проблемами при установке, не указанными в таблице, выполните поиск в Stack Overflow. Если соответствующее сообщение об ошибке не отображается в Stack Overflow, создайте новый вопрос и добавьтеtensorflowЭтикетка.

Ссылка на переполнение стека сообщение об ошибке
36159194 
ImportError: libcudart.so.Version: cannot open shared object file:
  No such file or directory
41991101 
ImportError: libcudnn.Version: cannot open shared object file:
  No such file or directory
36371137 and here 
libprotobuf ERROR google/protobuf/src/google/protobuf/io/coded_stream.cc:207] A
  protocol message was rejected because it was too big (more than 67108864 bytes).
  To increase the limit (or to disable these warnings), see
  CodedInputStream::SetTotalBytesLimit() in google/protobuf/io/coded_stream.h.
35252888 
Error importing tensorflow. Unless you are using bazel, you should
  not try to import tensorflow from its source directory; please exit the
  tensorflow source tree, and relaunch your python interpreter from
  there.
33623453 
IOError: [Errno 2] No such file or directory:
  '/tmp/pip-o6Tpui-build/setup.py'
42006320 
ImportError: Traceback (most recent call last):
  File ".../tensorflow/core/framework/graph_pb2.py", line 6, in 
  from google.protobuf import descriptor as _descriptor
  ImportError: cannot import name 'descriptor'
35190574 
SSLError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify
  failed
42009190 
  Installing collected packages: setuptools, protobuf, wheel, numpy, tensorflow
  Found existing installation: setuptools 1.1.6
  Uninstalling setuptools-1.1.6:
  Exception:
  ...
  [Errno 1] Operation not permitted:
  '/tmp/pip-a1DXRT-uninstall/.../lib/python/_markerlib'
36933958 
  ...
  Installing collected packages: setuptools, protobuf, wheel, numpy, tensorflow
  Found existing installation: setuptools 1.1.6
  Uninstalling setuptools-1.1.6:
  Exception:
  ...
  [Errno 1] Operation not permitted:
  '/tmp/pip-a1DXRT-uninstall/System/Library/Frameworks/Python.framework/
   Versions/2.7/Extras/lib/python/_markerlib'

URL-адрес пакета TensorFlow Python

Для некоторых методов установки требуется URL-адрес пакета TensorFlow Python, а значение, которое вы объявляете, зависит от трех факторов:

  • Операционная система
  • версия Python
  • Поддержка процессора или графического процессора

В этом разделе описаны значения URL для установок, связанных с Linux.

Python 2.7

Только ЦП:

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0rc0-cp27-none-linux_x86_64.whl

Поддержка графического процессора:

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0rc0-cp27-none-linux_x86_64.whl

Обратите внимание, что для поддержки графического процессора требуетсяТребования NVIDIA для запуска версии TensorFlow с поддержкой графического процессорааппаратные и программные требования.

Python 3.4

Поддерживаются только процессоры:

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0rc0-cp34-cp34m-linux_x86_64.whl

Поддержка графического процессора:

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0rc0-cp34-cp34m-linux_x86_64.whl

Обратите внимание, что для поддержки графического процессора требуетсяТребования NVIDIA для запуска версии TensorFlow с поддержкой графического процессорааппаратные и программные требования.

Python 3.5

Поддержка ЦП:

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0rc0-cp35-cp35m-linux_x86_64.whl

Поддержка графического процессора:

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0rc0-cp35-cp35m-linux_x86_64.whl

Обратите внимание, что для поддержки графического процессора требуетсяТребования NVIDIA для запуска версии TensorFlow с поддержкой графического процессорааппаратные и программные требования.

Python 3.6

Поддерживаются только процессоры:

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0rc0-cp36-cp36m-linux_x86_64.whl

Поддержка графического процессора:

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0rc0-cp36-cp36m-linux_x86_64.whl

Обратите внимание, что для поддержки графического процессора требуетсяТребования NVIDIA для запуска версии TensorFlow с поддержкой графического процессорааппаратные и программные требования.

Protobuf pip package 3.1

Если у вас нет проблем с pip-пакетом protobuf, вы можете просто пропустить этот раздел.

**Примечание.** Если ваша программа TensorFlow работает медленно, у вас может возникнуть проблема с пакетом pip protobuf.

Пакет pip TensorFlow зависит от версии 3.1 пакета pip protobuf. пакет pip protobuf, загруженный из PyPI (используяpip install protobufcommand) — это чистая библиотека Python с реализациями сериализации и десериализации, которые могут быть медленнее, чем реализации C++.от 10 до 50 раз. Protobuf также поддерживает бинарное расширение для пакетов Python, основанное на быстром анализе C++. Это расширение недоступно в стандартном пакете pip в чистом Python. Мы создали специальный бинарный пакет pip для protobuf с бинарными расширениями. Чтобы установить собственный двоичный пакет pip protobuf, выполните следующую команду.

  • for Python 2.7:
  $ pip install --upgrade \
  https://storage.googleapis.com/tensorflow/linux/cpu/protobuf-3.1.0-cp27-none-linux_x86_64.whl
  • for Python 3.5:
  $ pip3 install --upgrade \
  https://storage.googleapis.com/tensorflow/linux/cpu/protobuf-3.1.0-cp35-none-linux_x86_64.whl

Установка этого пакета protobuf перезапишет существующие пакеты protobuf. Обратите внимание, что бинарный пакет pip уже поддерживает protobuf размером более 64 МБ, поэтому можно устранить следующие ошибки:

[libprotobuf ERROR google/protobuf/src/google/protobuf/io/coded_stream.cc:207]
一个 Protocol 信息由于过大而被拒绝（大于 67108864 字节).

若想增加限制（或者关掉警告），见
CodedInputStream::SetTotalBytesLimit() in google/protobuf/io/coded_stream.h.

Программа перевода самородковэто сообщество, которое переводит высококачественные технические статьи из Интернета сНаггетсДелитесь статьями на английском языке на . Охват контентаAndroid,iOS,внешний интерфейс,задняя часть,блокчейн,продукт,дизайн,искусственный интеллектЕсли вы хотите видеть более качественные переводы, пожалуйста, продолжайте обращать вниманиеПрограмма перевода самородков,официальный Вейбо,Знай колонку.

Категории