메뉴 건너뛰기

개발강좌/정보

  • 맥 OSX에 텐서플로우(TensorFlow) 설치하기(4/18 수정) [머신러닝/딥러닝]
  • 공돌이
    조회 수: 48885, 2017.03.22 15:44:59
  • 텐서플로우가 1.0.1 버전이 나오고 설치방법이 대단히 쉬워졌어요. 물론 아래 글도 1.0 기준이라 거의 동일한데 약간약간씩 바뀐게 있어서 업데이트 해놓습니다. 

    제 경우에는 virtualenv로 설치하는게 제일 쉬운거 같더라구요. 

    -------------------------------------------------------

    맥 OS X에 텐서플로우 설치하기

    이 가이드는 맥 OS X에 텐서플로우를 설치하는 방법에 대해 안내합니다.

    어느 텐서플로우를 설치할지 결정하기

    설치할 텐서플로우 타입을 선택해야 합니다. 가능한 선택사항은 아래와 같습니다:

    • CPU만 지원하는 텐서플로우. 만약 당신의 시스템에 NVIDIA CUDA® GPU가 없다면 이 버전을 설치해야합니다. 일반적으로 CPU기반 텐서플로우는 GPU기반 텐서플로우보다 설치가 쉽습니다. 그러므로, 당신의 시스템에 NVIDIA CUDA GPU가 있다고 하더라도 GPU기반 텐서플로우 설치 시 문제가 발생하지 않을지 미리 검증하는 차원에서 이 버전을 먼저 설치해보시기를 권장해 드립니다.
       
    • GPU 지원 텐서플로우. 일반적으로 텐서플로우 프로그램은 CPU보다 GPU를 사용했을 때 작업속도가 훨씬 빠릅니다. 그러므로, 당신의 시스템에 아래에 표시된 필요조건을 만족하는 NVIDIA CUDA GPU가 장착되어 있고 실행속도가 중요한 어플리케이션을 수행하고자 한다면, 결국은 이 버전을 설치해야 할 것입니다.

     

    GPU 지원 텐서플로우 실행을 위한 필요조건

    이 안내서에 설명하는 메커니즘을 이용해서 GPU 지원 텐서플로우를 설치하시려면, 다음과 같은 NVIDIA 소프트웨어가 시스템에 설치되어야 합니다:

    • CUDA Toolkit 8.0. 자세한 사항은 NVIDIA 문서를 참조하세요. 잊지말고 LD_LIBRARY_PATH 환경변수에 NVIDIA 문서에서 설명하는 대로 관련 CUDA 경로를 추가해 주시기 바랍니다.
    • CUDA Toolkit 8.0 관련 NVIDIA 드라이버.
    • cuDNN v5.1. 자세한 내용은 NVIDIA 문서를 참조하세요. 잊지말고 NVIDIA 문서에서 설명하는 대로 CUDA_HOME 환경변수를 설정해 주세요.
    • CUDA 연산능력 3.0 이상의 GPU카드. 지원가능 GPU카드의 목록은 NVIDIA 문서를 참조해주세요.

     

    위 패키지의 이전 버전이 이미 설치되어 있다면, 위에 명시한 버전으로 업그레이드 해주세요. 혹시 업그레이드를 할 수 없는 상황이더라도 아래 두가지 내용을 수행해 주시면 GPU 지원 텐서플로우를 사용하실 수도 있습니다.:

    • 소스로부터 직접 텐서플로우 설치 (Installing TensorFlow from Sources 에서 설명한 대로 수행)
    • 최소 다음 버전이상으로 설치 혹은 업그레이드 해야 함:
      • CUDA toolkit 7.0 이상
      • cuDNN v3 이상
      • CUDA 연산능력(Compute Capability) 3.0 or 이상 GPU 카드.

     

    텐서플로우 설치방법 결정하기

    텐서플로우를 어떤 방식으로 설치할지 선택해야 합니다. 가능한 선택은 다음과 같습니다:

    • virtualenv (가상환경)
    • "native" pip
    • Docker
    • installing from sources, which is for experts and is documented in a separate guide.
    • 소스로부터 직접 설치 ( 전문가용, 별도 가이드 문서)

    권장하는 설치방식은 virtualenv 설치입니다. Virtualenv 는 다른 Python 개발과 분리시켜 동일한 기기에 있는 기존의 Python프로그램들과의 간섭이나 상호간 영향을 불가능하게 만들어 놓은 가상의 Python환경입니다. virtualenv 설치과정 중, 텐서플로우 뿐만 아니라 텐서플로우에서 필요로 하는 모든 패키지들도 함께 설치됩니다. (매우 간단합니다.) 텐서플로우를 사용하시려면, 가상환경을 "활성화" 하기만 하면 됩니다. 

    Native pip 는 컨테이너나 어떠한 가상환경시스템을 거치지 않고 텐서플로우를 직접 시스템에 설치합니다. native pip설치방식은 격리된 환경이 아니기 때문에, 다른 Python 설치프로그램들과 상호간 간섭이나 충돌을 일으킬 수 있습니다. 게다가, native pip 로 설치하기 위해서는 시스템통합보호(System Integrity Protection: SIP)를 꺼야할 수도 있씁니다. 그러나 SIP와 현재 시스템의 Python환경을 잘 이해하고 있다면, native pip설치는 상대적으로 쉽게 수행할 수 있는 방법입니다.

    Docker 는 텐서플로우 설치를 당신 기기에 기존에 있는 패키지들과 완전히 분리시켜 주는 방식입니다. Docker의 컨테이너는 텐서플로우와 함께 모든 의존성설치까지를 다 포함합니다. Docker 이미지는 매우 커질 수 있다는 (수백 MB) 사실을 알려드립니다. 기존 Docker 기반의 대형 어플리케이션 아키텍처가 이미 존재하고, 이 아키텍처에 텐서플로우를적용하고자 하는 경우 Docker 설치방식을 선택하실 수 있습니다.
     

    Anaconda에서, 가상환경을 생성하기 위해 conda를 사용할 수도 있습니다. 하지만 Anaconda 내에서는 conda 설치 명령어가 아닌 pip 설치명령어를 사용해 텐서플로우를 설치하시기 권장해 드립니다.
     

    알림: conda 패키지는 커뮤니티 기반으로, 공식지원 패키지가 아닙니다. 즉, 텐서플로우는 conda package를 테스트하거나 유지보수하지 않습니다. 패키지 사용과 관련된 사항은 전적으로 사용자의 책임입니다(Use that package at your own risk).

     

    virtualenv 로 설치

    Virtualenv 를 이용해서 텐서플로우를 설치하시는 방법은 다음의 단계를 따라 주세요:

    1. 터미널(쉘) 실행. 이후 모든 작업은 이 쉘을 통해 수행됩니다.
       

    2. 아래 명령어를 이용해서 pip와 virtualenv를 설치:

       

      $ sudo easy_install pip
      $ sudo pip install --upgrade virtualenv

       

    3. 다음과 같은 형식의 명령을 수행해서 virtualenv환경을 생성: 

       

      $ virtualenv --system-site-packages 디렉토리명

       

      "디렉토리명" virtualenv 계층구조의 최상위부분을 나타냅니다. 이 글에서는 디렉토리명을 ~/tensorflow 로 사용하지만, 어떤 디렉토리명을 사용하셔도 상관 없습니다.
       
    4. 아래 명령어를 사용해서 virtualenv환경을 활성화:

       
      $ source ~/tensorflow/bin/activate # bash, sh, ksh 혹은 zsh 를 사용하는 경우
      $ source ~/tensorflow/bin/activate.csh # csh 혹은 tcsh를 사용하는 경우

      위의 source 명령어는 프롬프트를 아래와 같이 변경시킵니다:

       

      (tensorflow)$

       

    5. 시스템에 pip 버전 8.1 이상이 설치되어 있다면, 활성화된 아래 명령어들 중 하나를 입력하여 Virtualenv 환경에 텐서플로우와 텐서플로우가 필요로 하는 모든 패키지를 설치하세요: 

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

       

      위 명령어가 성공적으로 실행되면 6번 단계는 수행하지 않아도 되나, 만약 실패하면 6번 단계를 수행해 주세요.
       

    6. Optional. 만약 5번 단계가 실패(pip 버전이 8.1 이하인 경우 주로 발생)하면, 다음과 같은 형식의 명령어를 수행해서 활성화된 virtualenv 환경에 텐서플로우를 설치해 주세요.:

       

      $ pip install --upgrade TF_BINARY_URL # Python 2.7
      $ pip3 install --upgrade TF_BINARY_URL # Python 3.N

       

      TF_BINARY_URL 은 텐서플로우 Python 패키지의 URL을 의미합니다. OS, Python 버전, GPU 지원여부에 따라 TF_BINARY_URL의 적절한 값을 지정해야 합니다. 여기에서 시스템에 적절한 TF_BINARY_URL 값을 찾으세요. 예를 들어 Mac OS X, Python 3.4버전에 CPU만 지원하는 버전으로 설치하신다면 활성 Virtualenv에 텐서플로우를 설치하는 명령어는 다음과 같습니다:

       

      $ pip3 install --upgrade \ https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.0.1-py3-none-any.whl

       

     

    설치 과정에서 문제 발생 시, 일반적인 설치관련 문제들 을 참조해 주세요.

    다음 단계

    텐서플로우를 설치하고 나면, 설치검증을 통해 정상적으로 설치되었는지 확인해 주세요.

    새로운 쉘에서 텐서플로우를 사용하실 때 마다 virtualenv 환경을 별도로 활성화시켜주어야 한다는 사실을 숙지 바랍니다. virtualenv 환경이 활성화되어있지 않다면 (즉, 프롬프트가 (tensorflow) 가 아니라면) 아래 명령어들 중 하나를 실행해 주세요:

     

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

    $ source ~/tensorflow/bin/activate.csh # csh or tcsh

     

    프롬프트가 아래와 같이 변경되어 현재 텐서플로우 환경이 활성화되어있음을 알 수 있습니다:

     
    (tensorflow)$

    virtualenv 환경이 활성화되면, 이 쉘에서 텐서플로우 프로그램을 실행시킬 수 있습니다.

    텐서플로우 사용을 마치면, 아래 명령어를 사용해서 환경을 비활성화 할 수 있습니다:

     
    (tensorflow)$ deactivate

    프롬프트는 (PS1 에서 정의된 대로) 기본 프롬프트로 돌아올 것입니다.

     

    텐서플로우 삭제

    텐서플로우를 삭제하시려면, 최상위 디렉토리를 삭제하시면 됩니다. 예를 들어 ~/tensorflow 인 경우:

     
    $ rm -r ~/tensorflow

     

    native pip로 설치

    PyPl에 텐서플로우 실행파일을 업로드 해두었기 때문에, pip를 이용해서 텐서플로우를 설치하실 수 있습니다.

    setup.py 의 REQUIRED_PACKAGES 섹션에 pip가 설치/업그레이드 할 패키지 목록이 나열되어 있습니다.

    선행 필수조건: Python

    텐서플로우를 설치하시려면, 시스템은 아래 Python 버전 중 하나가 설치되어 있어야 합니다:

    • Python 2.7
    • Python 3.3+

    시스템에 해당 버전의 Python이 설치되어 있지 않다면, 지금 설치 해주세요.

    Python 설치 시, 맥의 앱스토어에 없는 요소들의 설치를 위해 시스템통합보호(SIP)를 꺼두셔야 할 수도 있습니다.

    선행 필수조건: pip

    Pip는 Python으로 작성된 소프트웨어패키지를 설치/관리하는 프로그램입니다. native pip를 통해 설치하시고자 한다면, 시스템에 아래 버전 중 하나의 pip가 미리 설치되어 있어야 합니다:

    • pip, for Python 2.7
    • pip3, for Python 3.n.

     

    pip 나 pip3 은 Python 설치 시 시스템에 같이 설치되어 있을것 입니다. pip / pip3가 실제로 시스템에 설치되어 있는지 확인하시려면, 아래 명령어 중 하나를 실행하세요:

     
    $ pip -V # for Python 2.7 $ pip3 -V # for Python 3.n

    텐서플로우를 설치하시기 위해서는 pip/pip3 버전 8.1  이상을 설치하시기를 강력히 추천합니다. pip/pip3 8.1 이상버전이 설치되어 있지 않다면, 설치/업그레이드를 위해 아래의 명령어를 입력해 주세요:

     
    $ sudo easy_install --upgrade pip $ sudo easy_install --upgrade six

     

    텐서플로우 설치

    선행 필수조건 소프트웨어가 Mac에 설치되었다는 가정 하에, 아래의 단계를 따라주세요:

    1. 적절한 protobuf 의존성을 확실히 하기 위해 아래의 명령어 중 하나를 실행해 주세요:

       
      $ sudo pip uninstall tensorflow # for Python 2.7 $ sudo pip3 uninstall tensorflow # for Python 3.n
    2. 아래 명령어 중 하나를 입력해서 텐서플로우를 설치해주세요:

       

      $ 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

       

      위의 명령어가 별 문제없이 완료된다면, 이제 설치 검증을 할 시간입니다. 

    3. (Optional.) 2단계에서 실패한 경우, 다음과 같은 형식의 명령어를 통해 최신버전의 텐서플로우를 설치할 수 있습니다:

       

      $ sudo pip install --upgrade TF_BINARY_URL # Python 2.7
      $ sudo pip3 install --upgrade TF_BINARY_URL # Python 3.N

       

      OS, Python 버전, GPU 지원여부에 따라 TF_BINARY_URL의 적절한 값을 지정해야 합니다. 여기에서 시스템에 적절한 TF_BINARY_URL 값을 찾으세요. 예를 들어 Mac OS X, Python 3.4버전에 CPU만 지원하는 버전으로 설치하신다면 활성 Virtualenv에 텐서플로우를 설치하는 명령어는 다음과 같습니다:

       

      $ sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.0.1-py3-none-any.whl

       

      이 명령어에서 오류 발생 시, 일반적인 설치관련 문제들 을 참조해 주세요.

     

    다음 단계

    텐서플로우 설치가 끝나면, 정상적으로 동작하는 지 설치 검증을 해주세요.

    텐서플로우 삭제

    텐서플로우를 삭제하시려면, 아래 명령어 중 하나를 입력해 주세요:

     
    $ pip uninstall tensorflow $ pip3 uninstall tensorflow

     

    Docker를 이용해서 설치

    다음 단계를 따라 Docker에 텐서플로우를 설치하실 수 있습니다.

    1. Docker 문서에 설명한 대로 Docker를 설치

    2. 적절한 텐서플로우 바이너리 이미지가 포함된 Docker 컨테이너를 실행

    이 섹션의 나머지 부분은 Docker 컨테이너를 실행하는 방법에 대해 설명합니다.

    알림: GPU를 지원하지 않고 CPU만지원하는 텐서플로우 이미지를 가진 Docker컨테이너만 실행 가능합니다. 

    텐서플로우 바이너리 이미지를 가지고 있는 Docker컨테이너를 실행하시려면 다음과 같은 형식으로 명령어를 입력합니다:

     
    $ docker run -it -p 호스트포트:컨테이너포트 TensorFlowImage

    파라미터 설명:

    • -p 호스트포트:컨테이너포트 는 필수값이 아닙니다. 텐서플로우를 쉘에서 실행하시고자 하는 경우에 이 파라미터를 생략하세요. 텐서플로우를 Jupyter 노트북에서 실행하시려면 호스트포트와 컨테이너포트의 값을 둘 다 8888로 지정해 주세요. 컨테이너 내에서 TensorBoard를 실행하시려면, -p 플래그를 하나 더 추가해서 호스트포트와 컨테이너포트 둘 다 6006으로 지정해 주세요.
    • TensorFlowImage 는 필수값입니다. 이 값은 Docker 컨테이너를 식별합니다. 다음 값 중 하나를 지정해 주어야 합니다:
      • gcr.io/tensorflow/tensorflow: 텐서플로우 바이너리 이미지.
      • gcr.io/tensorflow/tensorflow:latest-devel: 텐서플로우 바이너리 이미지 + 소스코드.

    gcr.io 는 구글 컨테이너 저장소(Google Container Registry)입니다. 참고로 dockerhub 에서도 일부 텐서플로우 이미지를 사용할 수 있습니다.

    예를 들어, 다음 명령어는 Docker 컨테이너 내의 텐서플로우 CPU 바이너리 이미지를 실행시켜, 쉘에서 텐서플로우 프로그램을 사용할 수 있도록 해 줍니다.

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

    다음 명령어도 Docker 컨테이너 내에 텐서플로우 CPU 바이너리 이미지를 실행시켜줍니다. 하지만, 이 Docker 컨테이너에서는 Jupyter 노트북을 통해 텐서플로우 프로그램을 사용할 수 있습니다:

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

    Docker는 최초 실행 시 텐서플로우 바이너리 이미지를 다운로드 받습니다.

     

    다음단계

    이제 설치 검증을 해주세요.

     

    Anaconda 로 설치하기

    Anaconda 설치방식은 커뮤니티 지원으로, 공식적으로 지원하는 방식은 아닙니다.

    Anaconda 환경에서 텐서플로우를 설치하시려면 다음의 단계를 따라 주세요:

    1. Anaconda 다운로드 사이트의 설명을 따라 Ananconda를 다운로드/설치해 주세요.

    2. 다음 명령어를 입력하여 tensorflow라는 이름으로 conda 환경 생성:

       
      $ conda create -n tensorflow
    3. 다음 명령어를 입력하여 conda환경을 활성화:

       

      $ source activate tensorflow
      (tensorflow)$  #프롬프트가 요렇게 바뀜

       

    4. 다음 형식으로 명령어를 입력하여 conda 환경 내에 텐서플로우를 설치 :

       

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

       

      TF_PYTHON_URL : 텐서플로우 Python패키지 URL 값. 즉 예를 들어, 다음 명령어는 Python 3.4를 위한 CPU 지원버전의 텐서플로우를 설치하게 됩니다.:

       

      (tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.0.1-py3-none-any.whl

       

    설치 검증하기

    텐서플로우 설치가 제대로 되었는지 검증하려면, 다음 단계를 따라주세요:

    1. 텐서플로우 프로그램을 실행할 수 있도록 환경이 준비되었는지 확인.
    2. 간단한 텐서플로우 프로그램 실행해본다.

    환경 준비

    native pip, virtualenv, Anaconda에서 설치하셨다면 다음 단계를 따릅니다:

    1. 터미널 실행
    2. virtualenv나 Anaconda에 설치한 경우, 컨테이너를 활성화.
    3. 텐서플로우 소스코드를 설치한 경우, 텐서플로우 소스코드가 있는 디렉토리를 제외한 아무곳으로나 이동

    Docker 를 통해 설치한 경우, Docker 컨테이너를 실행하고 bash 를 실행합니다. 예를 들어 다음과 같이:

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

     

    간단한 텐서플로우 프로그램 실행해 보기

    다음과 같이 쉘에서 python 실행:

     
    $ python

    python 대화형 쉘에서 아래의 짧은 프로그램을 입력:

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

     

    시스템이 다음과 같은 결과를 출력한다면, 이제 진짜 텐서플로우 프로그램을 만들고 실행할 준비가 된것입니다:

     
     Hello, TensorFlow!

    If you are new to TensorFlow, see Getting Started with TensorFlow.

    If the system outputs an error message instead of a greeting, see Common installation problems.

     

    일반적인 설치관련 문제들

    텐서플로우의 설치과정 상의 문제점과 처방에 대한 문서화를 위해 우리는 Stack Overflow에 의존하고 있습니다. 아래의 표는 몇몇 일반적인 설치관련 문제들에 대한 Stack Overflow의 답변들의 링크가 포함되어 있습니다. 만약 설치과정 중에 아래에 표기된 것 외의 오류메시지나 기타 설치문제에 맞닥뜨린 경우, 해당 문제에 대해 Stack Overflow에서 검색해 주세요. Stack Overflow에서 해당 오류메시지에 대한 검색결과가 없다면, Stack Overflow에 질문글을 올리고 tensorflow 태그를 달아 주세요.

    Stack Overflow Link Error Message
    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
    42006320
     ㅇㅇ
    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'
    33623453
     
    IOError: [Errno 2] No such file or directory: '/tmp/pip-o6Tpui-build/setup.py'
    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' 
    

     

    33622019
     ImportError: No module named copyreg
    37810228 During a `pip install` operation, the system returns:
    OSError: [Errno 1] Operation not permitted
    33622842 An import tensorflow` statement triggers an error such as the following:
     
    Traceback (most recent call last): File "", line 1, in File "/usr/local/lib/python2.7/site-packages/tensorflow/__init__.py", line 4, in from tensorflow.python import * ... File "/usr/local/lib/python2.7/site-packages/tensorflow/core/framework/tensor_shape_pb2.py", line 22, in serialized_pb=_b('\n,tensorflow/core/framework/tensor_shape.proto\x12\ntensorflow\"d\n\x10TensorShapeProto\x12-\n\x03\x64im\x18\x02 \x03(\x0b\x32 .tensorflow.TensorShapeProto.Dim\x1a!\n\x03\x44im\x12\x0c\n\x04size\x18\x01 \x01(\x03\x12\x0c\n\x04name\x18\x02 \x01(\tb\x06proto3') TypeError: __init__() got an unexpected keyword argument 'syntax'
    42073336 An `import tensorflow` statement triggers the following error:
     
    >>> import tensorflow as tf I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcublas.dylib locally I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcudnn.dylib locally I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcufft.dylib locally "import tensorflow" terminated by signal SIGSEGV (Address boundary error)
    42075397 A `pip install` command triggers the following error:
     
    ... You have not agreed to the Xcode license agreements, please run 'xcodebuild -license' (for user-level acceptance) or 'sudo xcodebuild -license' (for system-wide acceptance) from within a Terminal window to review and agree to the Xcode license agreements. ... File "numpy/core/setup.py", line 653, in get_mathlib_info raise RuntimeError("Broken toolchain: cannot link a simple C program") RuntimeError: Broken toolchain: cannot link a simple C program

    텐서플로우 Python 패키지 URL

    일부 설치 방식에서 텐서플로우 Python 패키지 URL을 필요로 합니다. 다음 3가지 요소에 따라 설정해야 하는 값은 달라질 수 있습니다.:

    • 운영체제(OS)
    • Python 버전
    • CPU 만 지원 vs. GPU 지원

    이 섹션에서는 Mac OS설치와 관련한 값만 기술합니다.

    Python 2.7

    CPU only:

     https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.0.1-py2-none-any.whl

     

    GPU support:

     https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-1.0.1-py2-none-any.whl

    CUDA 툴킷 8.0과 CuDNN v5 필요. 다른 버전에 대해서는 텐서플로우를 소스로부터 설치하기 를 참조해 주세요.

    Python 3.4 or 3.5

    CPU only:

     https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.0.1-py3-none-any.whl

     

    GPU support:

     https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-1.0.1-py3-none-any.whl

    UDA 툴킷 8.0과 CuDNN v5 필요. 다른 버전에 대해서는 텐서플로우를 소스로부터 설치하기 를 참조해 주세요.

     

    Protobuf pip package 3.1

    protobuf pip package와 관련한 문제가 발생하지 않는 다면 이 섹션은 생략하셔도 괜찮습니다.

    알림: 텐서플로우 실행속도가 느리다면, protobuf pip 패키지 관련 문제가 발생한 것일 수 있습니다.

    텐서플로우 pip패키지는 protobuf pip 패키지 3.1버전에 의존하고 있습니다. (pip install protobuf 실행 시) PyPl에서 다운로드 되는 protobuf pip 패키지는 C++버전에 비해 10배~50배 정도 느린 Python 버전의 proto serialization/deserialization 라이브러리를 포함하고 있습니다. Protobuf는 속도가 빠른 C++기반의 proto 파싱기능을 갖춘 Python 패키지의 바이너리 확장기능도 지원하기 때문에, 우리는 별도로 바이너리 확장기능을 가진 바이너리 pip 패키지를 만들었습니다.  별도의 protobuf pip 패키지를 설치하시려면, 아래 명령어 중 적절한 하나를 실행해 주세요:

     

    • Python 2.7:

    $ pip install --upgrade \ https://storage.googleapis.com/tensorflow/linux/cpu/protobuf-3.1.0-cp27-none-linux_x86_64.whl

     

    • Python 3.5:

    $ pip3 install --upgrade \ https://storage.googleapis.com/tensorflow/linux/cpu/protobuf-3.1.0-cp35-none-linux_x86_64.whl

     

    이 protobuf 패키지를 설치하시면 기존의 protobuf 패키지를 덮어씁니다. 이 바이너리 pip패키지는 64MB 이상의 protobuf를 지원하기 때문에, 다음과 같은 종류의 오류를 더 이상 발생하지 않도록 해 줍니다:

     
     [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.

    별도로 표시하지 않는 한, 이 페이지의 컨텐츠는 Creative Commons Attribution 3.0 License 를 따르며, 코드 예제들은 Apache 2.0 License 를 따릅니다. 더 자세한 사항에 대해서는 사이트 정책을 참고해 주세요. Java는 Oracle 과 그 제휴사의 등록상표입니다.

     

댓글 0 ...

https://meisteruser.net/devflow/1863
번호
제목
닉네임
12 프레임워크/기타 공돌이 2400 2018.09.29
11 프레임워크/기타 공돌이 960 2018.09.20
10 머신러닝/딥러닝 공돌이 4151 2017.07.05
9 머신러닝/딥러닝 공돌이 4853 2017.06.05
8 머신러닝/딥러닝 공돌이 12864 2017.05.26
7 머신러닝/딥러닝 공돌이 4316 2017.05.02
6 머신러닝/딥러닝 공돌이 13176 2017.04.27
5 머신러닝/딥러닝 공돌이 6573 2017.04.24
4 머신러닝/딥러닝 공돌이 5958 2017.04.23
3 머신러닝/딥러닝 공돌이 10254 2017.04.19
머신러닝/딥러닝 공돌이 48885 2017.03.22
1 공지 공돌이 996 2017.03.21
태그
위로