[అప్‌డేట్ 1] బాజెల్ మరియు పైథాన్ 3.6 తో సోర్స్ కోడ్ నుండి విండోస్ కోసం టెన్సార్ ఫ్లో GPU / CPU ని సృష్టించడం మరియు ఇన్‌స్టాల్ చేయడం.

ఇది నా మునుపటి కథకు నవీకరణ. ఇక్కడ క్రొత్తది ఏమిటి:

  • టెన్సార్ ఫ్లో v1.11
  • CUDA v10.0
  • cuDNN v7.3

అధికారిక సైట్‌లో గైడ్‌లు ఉన్నారు. ఇది చాలా సమగ్రమైనది కాదు, కానీ ఇది కొన్ని సమయాల్లో ఉపయోగపడుతుంది.

సారాంశం

  1. Windows కోసం Git ని ఇన్‌స్టాల్ చేయండి
  2. బజెల్ను ఇన్స్టాల్ చేయండి
  3. MSYS2 x64 మరియు కమాండ్ లైన్ సాధనాలను వ్యవస్థాపించండి
  4. విజువల్ స్టూడియో 2015 బిల్డ్ టూల్స్ సహా విజువల్ స్టూడియో 2017 బిల్డ్ టూల్స్ ను ఇన్స్టాల్ చేయండి
  5. పైథాన్ 3.6 64-బిట్‌ను ఇన్‌స్టాల్ చేయండి
  6. NVIDIA CUDA 10.0 మరియు cuDNN 7.3 (GPU త్వరణం కోసం) ఇన్‌స్టాల్ చేయండి
  7. నిర్మాణ వాతావరణాన్ని కాన్ఫిగర్ చేయండి
  8. టెన్సార్‌ఫ్లో v1.11 సోర్స్ కోడ్‌ను క్లోన్ చేసి, తప్పనిసరి ప్యాచ్‌ను వర్తించండి
  9. బిల్డ్ పారామితులను కాన్ఫిగర్ చేయండి
  10. మూలాల నుండి టెన్సార్‌ఫ్లోను రూపొందించండి
  11. పైథాన్ 3.6 కోసం టెన్సార్ ఫ్లో వీల్ ఫైల్ను సృష్టించండి
  12. పైథాన్ 3.6 కోసం టెన్సార్ ఫ్లో వీల్ ఫైల్‌ను ఇన్‌స్టాల్ చేసి ఫలితాన్ని తనిఖీ చేయండి

దశ 1: విండోస్ కోసం Git ని ఇన్‌స్టాల్ చేయండి

Windows కోసం Git ని డౌన్‌లోడ్ చేసి, ఇన్‌స్టాల్ చేయండి. నేను ఇక్కడ తీసుకుంటాను. Git.exe కు మార్గం% PATH% ఎన్విరాన్మెంట్ వేరియబుల్కు జోడించబడిందని నిర్ధారించుకోండి. నేను Git ని ఇన్‌స్టాల్ చేస్తున్నాను

సి: \ బిన్ \ గిట్

ఈ ట్యుటోరియల్ కోసం ఫోల్డర్.

దశ 2: MSYS2 x64 మరియు కమాండ్ లైన్ సాధనాలను వ్యవస్థాపించండి

64-బిట్ పంపిణీని ఇక్కడ డౌన్‌లోడ్ చేసి, ఇన్‌స్టాల్ చేయండి. మూలాలను నిర్మించడానికి బజెల్ యునిక్స్ సాధనాల నుండి గ్రెప్, ప్యాచ్, అన్జిపాండ్ మరియు ఇతర పోర్టులను ఉపయోగిస్తుంది. మీరు వాటిలో ప్రతిదానికీ స్వతంత్ర బైనరీలను కనుగొనడానికి ప్రయత్నించవచ్చు, కాని నేను MSYS2 కట్టను ఉపయోగించటానికి ఇష్టపడతాను. నేను దీన్ని ఇన్‌స్టాల్ చేసాను

సి: \ బిన్ \ msys64

ఈ ట్యుటోరియల్ కోసం ఫోల్డర్. మీరు% PATH% ఎన్విరాన్మెంట్ వేరియబుల్కు టూల్స్ ఫోల్డర్ను జోడించాలి. నా విషయంలో ఇది "C: \ Bin \ msys64 \ usr \ bin".

ప్రారంభ మెను నుండి "MSYS2 MinGW 64-Bit" లింక్‌ను ప్రారంభించండి. నవీకరించడానికి, కింది ఆదేశాన్ని అమలు చేయండి (ప్రాంప్ట్ చేసినప్పుడు MSYS2 MinGW 64-బిట్‌ను పున art ప్రారంభించండి):

ప్యాక్మన్ సియు

అప్పుడు అమలు చేయండి:

పాక్మన్ -సు

నిర్మాణానికి సంస్థాపనా సాధనాలు అవసరం:

ప్యాక్‌మన్ ప్యాచ్‌ను అన్జిప్ చేయండి

"నిష్క్రమణ" ఆదేశంతో MSYS2 MinGW 64-bit షెల్ మూసివేయండి. మాకు ఇక అవసరం లేదు.

దశ 3: విజువల్ స్టూడియో 2015 బిల్డ్ సాధనాలను ఇన్‌స్టాల్ చేయండి

విజువల్ స్టూడియో 2017 నుండి డెస్క్‌టాప్ టూల్‌సెట్ కోసం మేము VC ++ 2015.3 v14.00 (v140) ను ఇన్‌స్టాల్ చేయాలి.

దశ 4: బజెల్ను వ్యవస్థాపించండి

తాజా బాసెల్‌ను ఇక్కడ డౌన్‌లోడ్ చేసుకోండి. ఫైల్ బజెల్ కోసం చూడండి- -విండోస్- x86_64.exe. నేను ఈ ట్యుటోరియల్‌ను బాజెల్ 0.17.2 తో పరీక్షించాను. బైనరీని bazel.exe గా పేరు మార్చండి మరియు దానిని% PATH% పై డైరెక్టరీకి తరలించండి, తద్వారా మీరు ఏదైనా డైరెక్టరీలో బజెల్ టైప్ చేయడం ద్వారా బాజెల్ ను అమలు చేయవచ్చు. విండోస్ x64 కోసం బజెల్ను ఇన్‌స్టాల్ చేయడంపై వివరాల కోసం, దయచేసి సమస్యలను చూడండి.

బాష్ స్థానం కోసం గ్లోబల్ ఎన్విరాన్మెంట్ వేరియబుల్ BAZEL_SH ని జోడించండి. నా మార్గం

సి: \ బిన్ \ msys64 \ usr \ bin \ bash.exe

"డెస్క్‌టాప్ కోసం VC ++ 2015.3 v14.00 (v140)" అనే టూల్‌సెట్ కోసం గ్లోబల్ ఎన్విరాన్మెంట్ వేరియబుల్ BAZEL_VC ని జోడించండి:

సి: \ ప్రోగ్రామ్ ఫైళ్ళు (x86) \ మైక్రోసాఫ్ట్ విజువల్ స్టూడియో 14.0 \ విసి

దశ 5: పైథాన్ 3.6 64-బిట్‌ను ఇన్‌స్టాల్ చేయండి

టెన్సార్ ఫ్లో పైథాన్ 3.7 కి మద్దతు ఇవ్వదు, కాబట్టి మీరు వెర్షన్ 3.6 ని ఇన్‌స్టాల్ చేయాలి.
టెన్సార్‌ఫ్లో v1.11 ఇకపై బిల్డ్‌ల కోసం అనకొండ / మినీకొండకు మద్దతు ఇవ్వనట్లు కనిపిస్తోంది - నేను వింత లోపం పొందుతున్నాను. అందుకే నేను సృష్టించడానికి పైథాన్ వర్చువల్ వాతావరణాన్ని ఉపయోగిస్తాను.

పైథాన్ 3.6 ఇక్కడ డౌన్‌లోడ్ చేసుకోవడానికి అందుబాటులో ఉంది. దీన్ని ఇన్‌స్టాల్ చేసి, పైథాన్.ఎక్స్ స్థానాన్ని% PATH% వేరియబుల్‌కు జోడించండి.

దశ 6: NVIDIA CUDA 10.0 మరియు cuDNN 7.3 (GPU త్వరణం కోసం) ఇన్‌స్టాల్ చేయండి

మీకు CUDA కి మద్దతిచ్చే NVIDIA గ్రాఫిక్స్ కార్డ్ ఉంటే ఈ విభాగం తాజాగా ఉంటుంది. లేకపోతే, ఈ విభాగాన్ని దాటవేయి.
మీకు సహాయం అవసరమైతే CUDA యొక్క దశల వారీ సంస్థాపన ఇక్కడ అందుబాటులో ఉంది. నేను ఈ గైడ్‌ను కాపీ చేస్తున్నాను కాని కొన్ని వివరాలను కత్తిరించాను.

Https://developer.nvidia.com/cuda-downloads కు వెళ్లి, విండోస్ [మీ వెర్షన్] కోసం CUDA 10.0 ఇన్‌స్టాలర్‌ను డౌన్‌లోడ్ చేయండి. నాకు వెర్షన్ విండోస్ 10.

డిఫాల్ట్ సెట్టింగులతో డిఫాల్ట్ డైరెక్టరీలో దీన్ని ఇన్స్టాల్ చేయండి, కానీ విజువల్ స్టూడియో ఇంటిగ్రేషన్ ఎంపికను నిలిపివేయండి. GPU డ్రైవర్ నవీకరించబడుతుంది మరియు అవసరమైతే పున ar ప్రారంభించబడుతుంది.

Cmd (Win + R) ఆదేశాన్ని అమలు చేయండి

కింది ఆదేశం nvcc యొక్క సంస్కరణను తనిఖీ చేస్తుంది మరియు ఇది పాత్ ఎన్విరాన్మెంట్ వేరియబుల్ లో సెట్ చేయబడిందని నిర్ధారిస్తుంది.

nvcc --version

Https://developer.nvidia.com/cudnn కు వెళ్లండి (సభ్యత్వం అవసరం).

లాగిన్ అయిన తర్వాత, డౌన్‌లోడ్ చేయండి:

cuDNN v7.3.1 విండోస్ కోసం లైబ్రరీ [మీ వెర్షన్] విండోస్ 10. మీరు డౌన్‌లోడ్ చేసిన ఫోల్డర్‌కు వెళ్లి జిప్ ఫైల్‌ను సేకరించండి.

సేకరించిన ఫోల్డర్‌కు వెళ్లి, క్యూడా ఫోల్డర్ నుండి అన్ని ఫైల్‌లు మరియు ఫోల్డర్‌లను కాపీ చేయండి (ఉదా. బిన్, చేర్చండి, లిబ్) మరియు వాటిని "సి: \ ప్రోగ్రామ్ ఫైల్స్ \ ఎన్విడియా జిపియు కంప్యూటింగ్ టూల్‌కిట్ \ కుడా \ v10.0 "ఒకటి.

చివరి దశ "C: \ ప్రోగ్రామ్ ఫైళ్ళు \ NVIDIA GPU కంప్యూటింగ్ టూల్‌కిట్ \ CUDA \ v10.0 \ ఎక్స్‌ట్రాలు \ CUPTI \ libx64" ను% PATH% ఎన్విరాన్మెంట్ వేరియబుల్‌కు జోడించడం.

దశ 7: నిర్మాణ వాతావరణాన్ని కాన్ఫిగర్ చేయండి

ప్రారంభ మెను నుండి x64 (సత్వరమార్గం “VS2015 x64 నేటివ్ టూల్స్ కమాండ్ ప్రాంప్ట్”) కోసం VC ++ 2015 షెల్ ప్రారంభించండి.

తరువాత, మీరు పైథాన్ వాతావరణాన్ని సృష్టించాలి, సక్రియం చేయాలి మరియు కాన్ఫిగర్ చేయాలి. “VS2015 x64 నేటివ్ టూల్స్ కమాండ్ ప్రాంప్ట్” లో కింది షెల్ ఆదేశాలను అమలు చేయండి (మీ స్థానాల ప్రకారం మార్గాలను సరిచేయండి).

pip3 install -U virtualenv
virtualenv --system-site-packages C: ers యూజర్లు \ amsokol \ tensorflow-v1.11
సి: ers యూజర్లు \ అమ్సోకోల్ \ టెన్సార్ఫ్లో-వి 1.11 \ స్క్రిప్ట్స్ \ యాక్టివేట్.బాట్

ఆదేశాలను వర్తింపజేసిన తర్వాత మీ షెల్ ఇలా ఉండాలి:

తప్పనిసరి పైథాన్ ప్యాకేజీలను వ్యవస్థాపించండి:

పైప్ 3 ఆరు నంపీ వీల్‌ను ఇన్‌స్టాల్ చేయండి
పైప్ 3 ఇన్‌స్టాల్ keras_applications == 1.0.5 --no-deps
పైప్ 3 ఇన్‌స్టాల్ చేయండి keras_preprocessing == 1.0.3 --no-deps

తప్పనిసరి ప్యాకేజీలు వ్యవస్థాపించబడ్డాయని నిర్ధారించుకోవడానికి "పైప్ 3 జాబితా" ను అమలు చేయండి:

ఇప్పటికి ఇంతే. గిన్నెను మూసివేయవద్దు.

దశ 8: టెన్సార్ ఫ్లో సోర్స్ కోడ్‌ను క్లోన్ చేసి, తప్పనిసరి ప్యాచ్‌ను వర్తించండి

మొదట, మీరు టెన్సార్ ఫ్లో సోర్స్ కోడ్‌ను క్లోన్ చేయాలనుకుంటున్న ఫోల్డర్‌ను ఎంచుకోవాలి. నా విషయంలో ఇది "సి: ers యూజర్లు \ అమ్సోకోల్ \ డెవలప్మెంట్ \ టెన్సార్ఫ్లో-బిల్డ్". షెల్‌కు తిరిగి రన్ చేయండి:

cd C: ers యూజర్లు \ అమ్సోకోల్ \ డెవలప్మెంట్ \ టెన్సార్ఫ్లో-బిల్డ్

క్లోన్ సోర్స్ కోడ్:

Git క్లోన్ https://github.com/tensorflow/tensorflow

చెక్అవుట్ తాజా వెర్షన్ 1.11:

సిడి టెన్సార్ఫ్లో
git చెక్అవుట్ v1.11.0

ఇప్పుడు మాకు మూలాలు ఉన్నాయి.

వారి స్వంత మూడవ పార్టీ లైబ్రరీలో ఒక బగ్ ఉంది. మేము నిర్మించడానికి ముందు దాన్ని పరిష్కరించాలి.
  • పాచ్‌ను ఇక్కడ డౌన్‌లోడ్ చేసి, మూడవ_పార్టీ ఫోల్డర్‌లోని eigen_half.patch ఫైల్ పేరుతో సేవ్ చేయండి
  • ప్యాచ్_ఫైల్ = క్లీన్_డెప్ ("// మూడవ_పార్టీ: ఈజెన్_హాల్ఫ్.ప్యాచ్"), టెన్సార్ఫ్లో / వర్క్‌స్పేస్.బిజెల్ ఫైల్‌లోని "ఈజెన్_ఆర్కైవ్" విభాగానికి లైన్ జోడించండి.

Tensorflow / workspace.bzl ఫైల్‌లోని ఫలితం ఇలా ఉండాలి:

... tf_http_archive (పేరు = "ఈజెన్_ఆర్కైవ్", url = /eigen/eigen/get/fd6845384b86.tar.gz ",], sha256 =" d956415d784fa4e42b6a2a45c32556d6aec9d0a3d8ef48baee2522ab762556a9 ", strip_prefix" ("// మూడవ_పార్టీ: eigen_half.patch"),) ...

పూర్తి.

దశ 9: బిల్డ్ పారామితులను కాన్ఫిగర్ చేయండి

మేము సోర్స్ కోడ్ రూట్ ఫోల్డర్‌లో ఉన్నామని నిర్ధారించుకోండి:

cd C: ers యూజర్లు \ అమ్సోకోల్ \ డెవలప్‌మెంట్ \ టెన్సార్‌ఫ్లో-బిల్డ్ \ టెన్సార్‌ఫ్లో

కాన్ఫిగరేటర్‌ను అమలు చేయండి:

పైథాన్ ./configure.py

మొదట మీరు పైథాన్ యొక్క స్థానం కోసం అడుగుతారు. డిఫాల్ట్ విలువను ఉంచడానికి ఎంటర్ నొక్కండి:

... మీరు బజెల్ 0.17.2 ను ఇన్‌స్టాల్ చేసారు.
దయచేసి పైథాన్ యొక్క స్థానాన్ని పేర్కొనండి. [ప్రమాణం సి: ers యూజర్లు \ అమ్సోకోల్ \ టెన్సార్ఫ్లో-వి 1.11 \ స్క్రిప్ట్స్ \ పైథాన్.ఎక్స్]:

అప్పుడు మీరు పైథాన్ లైబ్రరీకి మార్గం అడుగుతారు. డిఫాల్ట్ విలువను ఉంచడానికి ఎంటర్ నొక్కండి:

ట్రాకింగ్ (చివరి కాల్ చివరిది): ఫైల్ " ", లైన్ 1, ఇన్ లక్షణ లోపం: మాడ్యూల్ 'సైట్'కు' గెట్‌సైట్‌ప్యాకేజీలు 'అనే లక్షణం లేదు పైథాన్ లైబ్రరీ మార్గాలు కనుగొనబడ్డాయి: సి: ers యూజర్లు \ అమ్సోకోల్ \ టెన్సార్‌ఫ్లో-వి 1.11 \ లిబ్ \ సైట్-ప్యాకేజీలు దయచేసి కావలసిన పైథాన్ లైబ్రరీ మార్గాన్ని నమోదు చేయండి. ప్రమాణం [C: ers యూజర్లు \ amsokol \ tensorflow-v1.11 \ Lib \ site-packages]

అప్పుడు మీరు nGraph యొక్క మద్దతు కోసం అడుగుతారు. మాకు ఇది అవసరం లేదు. "N" నొక్కండి:

మీరు nGraph మద్దతుతో టెన్సార్‌ఫ్లో నిర్మించాలనుకుంటున్నారా? [Y / N]: n n టెన్సార్ ఫ్లో కోసం గ్రాఫ్ మద్దతు సక్రియం చేయబడలేదు.

అప్పుడు అది CUDA మద్దతు కోసం అడుగుతుంది:

మీరు CUDA మద్దతుతో టెన్సార్‌ఫ్లో నిర్మించాలనుకుంటున్నారా? [Y / N]:

మీరు GPU త్వరణాన్ని ఉపయోగించాలనుకుంటే "y" కు సమాధానం ఇవ్వండి. లేకపోతే, "n" నొక్కండి.

CUDA కాన్ఫిగరేటర్ కోసం అవును అయితే, అదనపు ప్రశ్నలు అడుగుతారు:
CUDA SDK వెర్షన్ వలె 10.0 కి సమాధానం ఇవ్వండి:
దయచేసి మీరు ఉపయోగించాలనుకుంటున్న CUDA SDK సంస్కరణను సూచించండి. [CUDA 9.0 కు డిఫాల్ట్‌గా ఖాళీగా ఉంచండి]: 10.0
డిఫాల్ట్ CUDA టూల్‌కిట్ స్థానం నుండి నిష్క్రమించడానికి ఎంటర్ నొక్కండి:
దయచేసి CUDA 10.0 టూల్‌కిట్ ఇన్‌స్టాల్ చేయబడిన స్థానాన్ని పేర్కొనండి. మరింత సమాచారం కోసం README.md చూడండి. [డిఫాల్ట్ C: / ప్రోగ్రామ్‌లు / NVIDIA GPU కంప్యూటింగ్ టూల్‌కిట్ / CUDA / v10.0]:
CuDNN సంస్కరణగా 7.3.1 కు సమాధానం ఇవ్వండి:
దయచేసి కావలసిన cuDNN సంస్కరణను సూచించండి. [డిఫాల్ట్‌గా cuDNN 7.0 ను ఉపయోగించడానికి ఖాళీగా ఉంచండి]: 7.3.1
డిఫాల్ట్ cuDNN లైబ్రరీ స్థానం నుండి నిష్క్రమించడానికి ఎంటర్ నొక్కండి:
దయచేసి cuDNN 7 లైబ్రరీ ఇన్‌స్టాల్ చేయబడిన స్థానాన్ని నమోదు చేయండి. మరింత సమాచారం కోసం README.md చూడండి. [డిఫాల్ట్ C: / ప్రోగ్రామ్‌లు / NVIDIA GPU కంప్యూటింగ్ టూల్‌కిట్ / CUDA / v10.0]:
తదుపరి ప్రశ్న నిర్మించడానికి ఉపయోగపడే CUDA అంకగణిత ఫంక్షన్లకు సంబంధించినది. మీరు మీ పరికరం యొక్క కంప్యూటింగ్ సామర్థ్యాన్ని ఇక్కడ కనుగొనవచ్చు: https://developer.nvidia.com/cuda-gpus. నాకు GTX 1070 ఉంది, కాబట్టి నేను 6.1 కి సమాధానం ఇస్తున్నాను:
మీరు నిర్మించదలిచిన కామాతో వేరు చేయబడిన కుడా గణిత ఫంక్షన్ల జాబితాను అందించండి. మీరు మీ పరికరం యొక్క కంప్యూటింగ్ సామర్థ్యాన్ని ఇక్కడ కనుగొనవచ్చు: https://developer.nvidia.com/cuda-gpus. ప్రతి అదనపు గణన ఫంక్షన్ సృష్టి సమయం మరియు బైనరీ పరిమాణాన్ని గణనీయంగా పెంచుతుందని దయచేసి గమనించండి. [డిఫాల్ట్: 3.5.7.0]: 6.1

ఆప్టిమైజేషన్ జెండాలను సెట్ చేయడం తదుపరి ప్రశ్న. నాకు 6 వ తరం ఇంటెల్ CPU ఉంది, కాబట్టి నేను సమాధానం / వంపు: AVX2:

బాసెల్ ఎంపిక "--config = opt" పేర్కొనబడితే సంకలనం సమయంలో ఉపయోగించాల్సిన ఆప్టిమైజేషన్ జెండాలను దయచేసి పేర్కొనండి. [డిఫాల్ట్ / arch: AVX]: / arch: AVX2

చివరి ప్రశ్న ఈజెన్ గురించి. "Y" తో సమాధానం ఇవ్వండి. ఇది కంపైల్ సమయాన్ని తీవ్రంగా తగ్గిస్తుంది.

సంకలన సమయాన్ని తగ్గించడానికి కొన్ని సి ++ సంకలనాల కోసం మీరు మీ స్వంత బలమైన ఇన్లైన్‌ను భర్తీ చేయాలనుకుంటున్నారా? [Y / n]: Y ఈజెన్ ఇన్‌లైన్‌ను గట్టిగా ఓవర్రైట్ చేస్తుంది.

కాన్ఫిగరేషన్ పూర్తయింది. నిర్మించుకుందాం.

దశ 10: మూలాల నుండి టెన్సార్‌ఫ్లోను నిర్మించండి

మేము సోర్స్ కోడ్ రూట్ ఫోల్డర్‌లో ఉన్నామని నిర్ధారించుకోండి:

cd C: ers యూజర్లు \ అమ్సోకోల్ \ డెవలప్‌మెంట్ \ టెన్సార్‌ఫ్లో-బిల్డ్ \ టెన్సార్‌ఫ్లో
ఇది సృష్టించడానికి చాలా సమయం పడుతుంది. విండోస్ డిఫెండర్ యాంటీవైరస్ రియల్ టైమ్ ప్రొటెక్షన్‌తో సహా యాంటీవైరస్ సాఫ్ట్‌వేర్‌ను ఆపివేయాలని నేను చాలా సిఫార్సు చేస్తున్నాను.

నిర్మాణాన్ని అమలు చేయండి:

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

కొంతసేపు కూర్చుని విశ్రాంతి తీసుకోండి.

దశ 11: పైథాన్ 3.6 కోసం టెన్సార్ ఫ్లో వీల్ ఫైల్‌ను సృష్టించండి

పైథాన్ వీల్ ఫైల్‌ను సృష్టించడానికి ఆదేశాన్ని అమలు చేయండి:

mkdir .. \ అవుట్
bazel-bin \ tensorflow \ tools \ pip_package \ build_pip_package .. \ అవుట్

ఇది విఫలమవుతుంది:

తెలిసిన సమస్య ఉంది. "బజెల్-బిన్ \ టెన్సార్ఫ్లో \ టూల్స్ \ పైప్_ప్యాకేజ్" ఫోల్డర్‌ను చూడండి. ఇది సున్నా పొడవుతో "simple_console_for_windows.zip" ఫైల్‌ను కలిగి ఉంది. అది అసలు సమస్య. బజెల్ 32-బిట్ జిప్ యుటిలిటీని కలిగి ఉంది, అది 2GB పెద్ద ఫైల్‌లో విఫలమవుతుంది. వివరాలు మరియు ప్రత్యామ్నాయాల కోసం లింక్‌లను చూడండి:

  • https://github.com/tensorflow/tensorflow/issues/20332
  • https://stackoverflow.com/questions/52394305/creating-pip-package-for-tensorflow-with-gpu-support-results-in-0-byte-simple-co

సమస్యను పరిష్కరించడానికి దశలు ఉన్నాయి:

సిడి. \ బజెల్-బిన్ \ టెన్సార్ఫ్లో \ సాధనాలు \ పైప్_ప్యాకేజ్

"Simple_console_for_windows.zip-0.params" ఫైల్‌ను తెరిచి, "mnist.zip" తో పంక్తిని తొలగించండి:

...
రన్‌ఫైల్స్ / ఆర్గ్_టెన్సార్‌ఫ్లో / టెన్సార్‌ఫ్లో / కంట్రిబ్యూట్ / ఆత్రుత / పైథాన్ / ఉదాహరణలు / గన్ / ఎంనిస్ట్.జిప్ = బజెల్-అవుట్ / x64_windows-opt / bin / tensorflow / දායක / ఆసక్తి / పైథాన్ / ఉదాహరణలు / gan / mnist.zip
...
ఇది నాకు సహాయపడుతుంది. ఇది మీకు సహాయం చేయకపోతే, జిప్ ఫైళ్ళతో ఇతర పంక్తులను తొలగించండి (ఇక్కడ వివరాలను చూడండి). ఈ కార్యాచరణ యొక్క ఉద్దేశ్యం simple_console_for_windows.zip ని 2 GB కన్నా తక్కువ పొడవుగా ఉంచడం.

ఖాళీ ఫైల్ "simple_console_for_windows.zip" ను తొలగించండి.

తరువాత, మీ హోమ్ ఫోల్డర్‌ను చూడండి. మీరు "_bazel_ అనే ఫోల్డర్‌ను కనుగొనాలి "చూడండి. నా విషయంలో ఇది" _bazel_amsokol ". ఇది బిల్డ్ ఫైళ్ళతో ఫోల్డర్లను కలిగి ఉంటుంది. నా విషయంలో ఇది" lx6zoh4k ". రన్ యొక్క షెల్కు తిరిగి (మీ ఫోల్డర్ పేర్ల ప్రకారం):

cd C: ers యూజర్లు \ amsokol \ _bazel_amsokol \ lx6zoh4k \ execroot \ org_tensorflow

మానవీయంగా "simple_console_for_windows.zip" ఫైల్‌ను సృష్టించండి:

బాహ్య \ బాజెల్_టూల్స్ \ సాధనాలు \ జిప్ \ జిప్పర్ \ జిప్పర్ simple_console_for_windows.zip-0.params

పైథాన్ వీల్ ఫైల్‌ను సృష్టించడానికి ఆదేశాన్ని అమలు చేయండి:

cd C: ers యూజర్లు \ అమ్సోకోల్ \ డెవలప్‌మెంట్ \ టెన్సార్‌ఫ్లో-బిల్డ్ \ టెన్సార్‌ఫ్లో
bazel-bin \ tensorflow \ tools \ pip_package \ build_pip_package .. \ అవుట్

ఇది ".. \ అవుట్" ఫోల్డర్‌లో tensorflow-1.11.0-cp36-cp36m-win_amd64.whl ఫైల్‌ను సృష్టిస్తుంది.

దశ 12: పైథాన్ 3.6 కోసం టెన్సార్‌ఫ్లో వీల్ ఫైల్‌ను ఇన్‌స్టాల్ చేసి ఫలితాన్ని తనిఖీ చేయండి

పైథాన్ వీల్ ఫైల్‌ను ఇన్‌స్టాల్ చేయడానికి ఆదేశాన్ని అమలు చేయండి:

pip3 install .. \ out \ tensorflow-1.11.0-cp36-cp36m-win_amd64.whl

టెన్సార్ఫ్లో డైరెక్టరీ నుండి నిష్క్రమించండి

cd ..

డౌన్‌లోడ్ స్క్రిప్ట్‌ను ఇక్కడ తనిఖీ చేయడానికి లేదా కాపీ చేసి పేస్ట్ ద్వారా అమలు చేయడానికి:

టెన్సార్‌ఫ్లోను tf హలో = tf.constant ('హలో, టెన్సార్‌ఫ్లో!') గా దిగుమతి చేయండి సెషన్ = tf.Session () ముద్రణ (session.run (హలో))

సిస్టమ్ అవుట్పుట్ చేస్తే కింది ప్రతిదీ మంచిది:

హలో టెన్సర్ ఫ్లో!

నా అవుట్పుట్:

మీరు ఇప్పుడు విండోస్ కంప్యూటర్‌లో టెన్సార్‌ఫ్లోను విజయవంతంగా ఇన్‌స్టాల్ చేసారు.

ఇది మీ కోసం పని చేస్తే ఈ క్రింది వ్యాఖ్యలలో నాకు తెలియజేయండి. లేదా మీకు ఏమైనా లోపాలు ఉంటే. చాల కృతజ్ఞతలు!