libtensorflow

最新推荐文章于 2022-07-20 23:14:47 发布
最新推荐文章于 2022-07-20 23:14:47 发布
阅读量3.2k 收藏 3
点赞数 1
分类专栏： Tensorflow笔记

安装适用于 C 的 TensorFlow

TensorFlow 提供了一个以 c_api.h 定义的 C 语言 API，适用于为其他语言构建绑定。此 API 偏重于简洁性和一致性，便利性次之。

支持的平台

本指南将介绍如何安装适用于 C 的 TensorFlow。虽然这些说明可能也适用于其他配置，但我们只在满足以下要求的计算机上验证过这些说明（而且我们只支持在此类计算机上按这些说明操作）：

  • Linux - 64 位、x86
  • macOS X - 版本 10.12.6 (Sierra) 或更高版本

安装

按照以下步骤安装适用于 C 的 TensorFlow 库并启用适用于 C 的 TensorFlow：

  1. 确定是只在 CPU 上运行适用于 C 的 TensorFlow，还是在 GPU 的辅助下运行。为帮助您做出决定，请参阅以下相关指南中标题为“确定要安装哪种 TensorFlow”部分的内容：

  2. 调用以下 shell 命令，以下载 TensorFlow C 库并解压缩到 /usr/local/lib：

     

     

     

     TF_TYPE="cpu" # Change to "gpu" for GPU support
     OS="linux" # Change to "darwin" for macOS
     TARGET_DIRECTORY="/usr/local"
     curl -L \
       "https://storage.googleapis.com/tensorflow/libtensorflow/libtensorflow-${TF_TYPE}-${OS}-x86_64-1.8.0.tar.gz" |
       sudo tar -C $TARGET_DIRECTORY -xz

    tar 命令会将 TensorFlow C 库解压缩到 TARGET_DIRECTORY 的 lib 子目录中。例如，将 TARGET_DIRECTORY 指定为 /usr/local 会导致 tar 将 TensorFlow C 库解压缩到 /usr/local/lib。

    如果您希望将库解压缩到其他目录中，请相应地调整 TARGET_DIRECTORY。

  3. 如果您在第 2 步中将 TARGET_DIRECTORY 指定为系统目录（例如 /usr/local），请运行 ldconfig 以配置链接器。例如：

     

     

     

    sudo ldconfig

     

    如果您为 TARGET_DIRECTORY 指定的不是系统目录（例如 ~/mydir），则必须将解压缩目录（例如 ~/mydir/lib）附加到两个环境变量上。例如：

     

     

     

    export LIBRARY_PATH=$LIBRARY_PATH:~/mydir/lib # For both Linux and macOS X export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:~/mydir/lib # For Linux only export DYLD_LIBRARY_PATH=$DYLD_LIBRARY_PATH:~/mydir/lib # For macOS X only

     

验证您的安装

在安装适用于 C 的 TensorFlow 后，将以下代码输入 hello_tf.c 文件：

 

 

 

#include <stdio.h>
#include <tensorflow/c/c_api.h>

int main() {
  printf("Hello from TensorFlow C library version %s\n", TF_Version());
  return 0;
}

构建并运行

调用以下命令来构建 hello_tf.c：

 

 

gcc hello_tf.c

生成的可执行文件在运行后应会输出以下消息：

 

 

a.out Hello from TensorFlow C library version number

问题排查

如果程序构建失败，最可能的原因是 gcc 无法找到 TensorFlow C 库。解决此问题的一种方法是为 gcc 指定 -I 和 -L 选项。例如，如果 TARGET_LIBRARY 为 /usr/local，您应按如下方式调用 gcc：

 

 

gcc -I/usr/local/include -L/usr/local/lib hello_tf.c -ltensorflow

如果 a.out 执行失败，请思考下列问题：

  • 程序是否正确编译？
  • 您是否为安装部分第 3 步中提到的环境变量指定了正确目录？
  • 您是否导出了这些环境变量？

如果仍然看到编译或执行错误消息，请在 StackOverflow 上进行搜索（或提问），以获取可行的解决方案。

 

 

 

安装适用于 Java 的 TensorFlow

TensorFlow 可提供在 Java 程序中使用的 API。这些 API 特别适合用于加载以 Python 语言创建的模型并在 Java 应用中运行这些模型。本指南将介绍如何安装适用于 Java 的 TensorFlow 并在 Java 应用中使用 TensorFlow。

警告：TensorFlow Java API 不在 TensorFlow API 稳定性保障的涵盖范围内。

支持的平台

本指南介绍如何安装适用于 Java 的 TensorFlow。虽然这些说明可能也适用于其他配置，但我们只在满足以下要求的计算机上验证过这些说明（而且我们只支持在此类计算机上按这些说明操作）：

  • Ubuntu 16.04 或更高版本；64 位、x86
  • macOS 10.12.6 (Sierra) 或更高版本
  • Windows 7 或更高版本；64 位、x86

针对 Android 的安装说明位于单独的 Android TensorFlow 支持页面中。安装完成后，请查看这个适用于 Android 的完整 TensorFlow 示例。

在 Maven 项目中使用 TensorFlow

如果您的项目使用 Apache Maven，请将以下内容添加到项目的 pom.xml 以使用 TensorFlow Java API：

 

 

 

<dependency>
  <groupId>org.tensorflow</groupId>
  <artifactId>tensorflow</artifactId>
  <version>1.8.0</version>
</dependency>

就这么简单。

示例

举个例子，以下步骤可以创建一个使用 TensorFlow 的 Maven 项目：

  1. 创建项目的 pom.xml：

     

     

     

     <project>
         <modelVersion>4.0.0</modelVersion>
         <groupId>org.myorg</groupId>
         <artifactId>hellotf</artifactId>
         <version>1.0-SNAPSHOT</version>
         <properties>
           <exec.mainClass>HelloTF</exec.mainClass>
           <!-- The sample code requires at least JDK 1.7. -->
           <!-- The maven compiler plugin defaults to a lower version -->
           <maven.compiler.source>1.7</maven.compiler.source>
           <maven.compiler.target>1.7</maven.compiler.target>
         </properties>
         <dependencies>
           <dependency>
             <groupId>org.tensorflow</groupId>
             <artifactId>tensorflow</artifactId>
             <version>1.8.0</version>
           </dependency>
         </dependencies>
     </project>

  2. 创建源文件 (src/main/java/HelloTF.java)：

     

     

     

    import org.tensorflow.Graph;
    import org.tensorflow.Session;
    import org.tensorflow.Tensor;
    import org.tensorflow.TensorFlow;

    public class HelloTF {
      public static void main(String[] args) throws Exception {
        try (Graph g = new Graph()) {
          final String value = "Hello from " + TensorFlow.version();

          // Construct the computation graph with a single operation, a constant
          // named "MyConst" with a value "value".
          try (Tensor t = Tensor.create(value.getBytes("UTF-8"))) {
            // The Java API doesn't yet include convenience functions for adding operations.
            g.opBuilder("Const", "MyConst").setAttr("dtype", t.dataType()).setAttr("value", t).build();
          }

          // Execute the "MyConst" operation in a Session.
          try (Session s = new Session(g);
               Tensor output = s.runner().fetch("MyConst").run().get(0)) {
            System.out.println(new String(output.bytesValue(), "UTF-8"));
          }
        }
      }
    }

  3. 编译并执行：

     

     

     

    # Use -q to hide logging from the mvn tool mvn -q compile exec:java

     

上述命令应该会输出 Hello from 版本。如果是这样，则说明您已成功设置适用于 Java 的 TensorFlow，随时可以在 Maven 项目中使用此 API。如果不是，请访问 Stack Overflow 查找可行的解决方案。您可以跳过本文档的其余部分。

GPU 支持

如果您的 Linux 系统搭载了 NVIDIA® GPU 且您的 TensorFlow Java 程序需要 GPU 加速，请将以下内容添加到项目的 pom.xml：

 

 

 

<dependency>
  <groupId>org.tensorflow</groupId>
  <artifactId>libtensorflow</artifactId>
  <version>1.8.0</version>
</dependency>
<dependency>
  <groupId>org.tensorflow</groupId>
  <artifactId>libtensorflow_jni_gpu</artifactId>
  <version>1.8.0</version>
</dependency>

只有当您的系统是 Linux 且满足 GPU 要求时，才能通过 Maven 使用 GPU 加速。

在 JDK 中使用 TensorFlow

本部分介绍如何使用 JDK 安装产生的 java 和 javac 命令来使用 TensorFlow。如果您的项目使用 Apache Maven，请参阅上面的简单说明。

在 Linux 或 macOS 上安装

按照以下步骤在 Linux 或 macOS 上安装适用于 Java 的 TensorFlow：

  1. 下载 libtensorflow.jar，这是 TensorFlow Java 归档 (JAR)。

  2. 确定是只在 CPU 上运行适用于 Java 的 TensorFlow，还是在 GPU 的辅助下运行。为帮助您做出决定，请参阅以下相关指南中标题为“确定要安装哪种 TensorFlow”部分的内容：

  3. 通过运行以下 shell 命令，根据您的操作系统和处理器支持下载并解压缩相应的 Java 原生接口 (JNI) 文件：

     

     

     

     TF_TYPE="cpu" # Default processor is CPU. If you want GPU, set to "gpu"
     OS=$(uname -s | tr '[:upper:]' '[:lower:]')
     mkdir -p ./jni
     curl -L \
       "https://download.tensorflow.google.cn/libtensorflow/libtensorflow_jni-${TF_TYPE}-${OS}-x86_64-1.8.0.tar.gz" |
       tar -xz -C ./jni

在 Windows 上安装

按照以下步骤在 Windows 上安装适用于 Java 的 TensorFlow：

  1. 下载 libtensorflow.jar，这是 TensorFlow Java 归档 (JAR)。
  2. 下载 Windows 上适用于 Java 的 TensorFlow 对应的 Java 原生接口 (JNI) 文件。
  3. 解压缩该 .zip 文件。

验证安装

在安装适用于 Java 的 TensorFlow 后，您可通过将以下代码输入 HelloTF.java 文件来验证您的安装：

 

 

 

import org.tensorflow.Graph;
import org.tensorflow.Session;
import org.tensorflow.Tensor;
import org.tensorflow.TensorFlow;

public class HelloTF {
  public static void main(String[] args) throws Exception {
    try (Graph g = new Graph()) {
      final String value = "Hello from " + TensorFlow.version();

      // Construct the computation graph with a single operation, a constant
      // named "MyConst" with a value "value".
      try (Tensor t = Tensor.create(value.getBytes("UTF-8"))) {
        // The Java API doesn't yet include convenience functions for adding operations.
        g.opBuilder("Const", "MyConst").setAttr("dtype", t.dataType()).setAttr("value", t).build();
      }

      // Execute the "MyConst" operation in a Session.
      try (Session s = new Session(g);
           Tensor output = s.runner().fetch("MyConst").run().get(0)) {
        System.out.println(new String(output.bytesValue(), "UTF-8"));
      }
    }
  }
}

然后按下面的说明编译并运行 HelloTF.java。

编译

编译使用 TensorFlow 的 Java 程序时，下载的 .jar 必须是 classpath 的一部分。例如，您可以使用 -cp 编译标志将下载的 .jar 添加到 classpath 中，如下所示：

 

 

javac -cp libtensorflow-1.8.0.jar HelloTF.java

运行

要运行依赖 TensorFlow 的 Java 程序，请确保 JVM 能访问以下两个文件：

  • 下载的 .jar 文件
  • 提取的 JNI 库

例如，以下命令行可在 Linux 和 macOS X 上运行 HelloTF 程序：

 

 

java -cp libtensorflow-1.8.0.jar:. -Djava.library.path=./jni HelloTF

以下命令行可在 Windows 上运行 HelloTF 程序：

 

 

java -cp libtensorflow-1.8.0.jar;. -Djava.library.path=jni HelloTF

如果程序输出 Hello from 版本，则表示您已成功安装适用于 Java 的 TensorFlow，随时可以使用此 API 了。如果程序输出其他内容，请访问 Stack Overflow 查找可行的解决方案。

高级示例

如需更复杂的示例，请参阅 LabelImage.java（它可识别图像中的物体）。

从源代码构建

TensorFlow 是开源系统。您可以按照另一个文档中的说明从 TensorFlow 源代码编译适用于 Java 的 TensorFlow。

Yoline777
关注
专栏目录
libtensorflow.dll
01-02
libtensorflow.dll 应用于TensorflowSharp的目录下使用的资源
tensorflow.lib and tensorflow.dll
01-08
windows x64下编译的Release版本的tensorflow.lib及tensorflow.dll
libtensorflow.rar
08-13
版本1.14，so和dll文件在libtensorflow_jni.jar文件中，直接解压即可。
Tensorflow(libtensorflow) 1.15.5编译小记（二）ARM架构版本编译（鲲鹏/飞腾本机编译、树莓派，交叉编译）
tylunas的博客
07-20 2193
在鲲鹏CPU的华为云服务器上编译ARM架构下的的libtensorflow。
Tensorflow(libtensorflow) 1.15.5编译小记（一）CentOS 7 x86环境编译、手工修复漏洞
tylunas的博客
06-09 1355
在Centos7的docker镜像里面编译Libtensorflow 1.15.5，并更新zlib，libjpeg-turbo和ICU到新版本。
libtensorflow-gpu-windows-x86_64-2.3.0.zip
07-07
本文将深入探讨TensorFlow GPU版本在Windows x86_64架构下的安装与应用，特别是针对“libtensorflow-gpu-windows-x86_64-2.3.0.zip”这个特定的压缩包，我们将解析其内容并讲解如何利用C++接口进行高效计算。...
C-API libtensorflow-cpu-linux-x86_64-1.15.0.tar.gz
02-25
标题中的"C-API libtensorflow-cpu-linux-x86_64-1.15.0.tar.gz"指的是一款基于C语言的应用程序接口（API），用于Linux x86_64架构的TensorFlow 1.15.0版本，且该版本只支持CPU运算，不包含GPU支持。TensorFlow是由...
libtensorflow-gpu-windows-x86_64-1.15.0.zip
07-07
总的来说，libtensorflow-gpu-windows-x86_64-1.15.0.zip提供了在Windows环境下利用C API和GPU资源进行TensorFlow开发的基础，是深度学习开发者和研究者的有力工具。正确配置和使用，能极大地提升计算效率，推动项目...
libtensorflow-cpu-linux-x86_64-2.3.0-rc2.tar.gz
07-22
libtensorflow是tensorflow编译成的c语言库，源地址wget https://storage.googleapis.com/tensorflow/libtensorflow/libtensorflow-cpu-linux-x86_64-2.3.0-rc2.tar.gz 下载太慢，方便大家下载
libtensorflow-cpu-windows-x86_64-2.3.0
07-07
标题中的"libtensorflow-cpu-windows-x86_64-2.3.0"指的是TensorFlow的C++接口库，适用于64位Windows系统，并且是2.3.0版本，主要支持CPU运算。 在TensorFlow 2.3.0版本中，有以下几个关键知识点： 1. **API更新**...
libtensorflow-cpu-windows-x86_64-1.7.0
12-25
libtensorflow-cpu-windows-x86_64-1.7.0
libtensorflow_inference.so
06-09
tensorflow通过bazel编译生成的so库
java环境下运行TensorFlow必备文件(包含了TensorFlow必备jar文件,必备的JNI文件
01-02
文档包含了,TensorFlow需要的jar文件,libtensorflow-1.,备用的org.apache.commons.io.jar文件,和tensorflow_jni.dll,可以正常的在java环境下面调用TensorFlow
C# winform缺失 libtensorflow.dll
03-19
C# winform缺失 libtensorflow.dll，c# 无法加载DLL“###.dll”,: 找不到指定的模块。 (异常来自 HRESULT:0x8007007E)
libandroid_tensorflow_inference_java.jar
06-09
tensorflow通过bazel编译生成的jar包
tensorflow c++ lib库编译
zgb40302的专栏
01-27 240
编译步骤： tensorflow-1.13.1 + bazel 0.21 bazel --output_user_root=/data0/bazel_path build //tensorflow:libtensorflow_framework.so --copt=-march=native bazel --output_user_root=/data0/bazel_path build //tensorflow:libtensorflow_cc.so --copt=-march=native ..
libtensorflow-2.3.0 TX2(linux-aarch64)编译
Linger_zf的博客
10-21 355
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
TensorFlow应用实战-5- TensorFlow基础知识
weixin_34217773的博客
04-10 296
从helloworld开始 mkdir 1.helloworld cd 1.helloworld vim helloworld.py 代码: # -*- coding: UTF-8 -*- # 引入 TensorFlow 库 import tensorflow as tf # 设置了gpu加速提示信息...
tensorflow C++动态库编译
图像研究猿的专栏
07-01 6031
目录 编译安装Bazel 编译libtensorflow_cc.so 编译Protobuf和Eigen 整理库文件和头文件 测试示例 在虚拟机（无GPU）CentOS 7.6上编译TensorFlow 1.13版本的C++动态库，以及整理相应的头文件。完成后，只需要库文件以及头文件即可用C++ API调用TensorFlow. 这样的好处是自己的工程可以自由选择编译工具，而不需要依赖谷...
libtensorflow安装后怎么使用
最新发布
05-28
安装好 `libtensorflow` 之后，你可以使用以下步骤来使用它： 1. 在你的代码中导入 `tensorflow` 模块：`import tensorflow as tf` 2. 使用 `tf.compat.v1.Session()` 方法创建一个会话： ``` sess = tf.compat.v1....
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值