TensorFlow用法

TensorFlow用法

什麼是TensorFlow

TensorFlow是一個開源軟體庫，用于使用資料流圖進行數值計算。圖中的節點表示數學運算，而圖的邊緣表示流動的多元資料數組（張量）。這種靈活的體系結構可以将計算部署到桌上型電腦，伺服器或移動裝置中的一個或多個CPU或GPU上，而無需重寫代碼。

TensorFlow最初由Google機器智能研究組織内Google Brain團隊的研究人員和工程師開發，目的是進行機器學習和深度神經網絡研究。該系統足夠通用，也可以應用于其他各種領域。

運作TensorFlow

在運作NGC深度學習架構容器之前， Docker環境必須支援NVIDIA GPU。要運作容器，請按照《NVIDIA容器和架構使用者指南》中的“運作容器”中的說明發出相應的指令，并指定系統資料庫，存儲庫和标簽。有關使用NGC的更多資訊，請參閱《NGC容器使用者指南》。

系統中實作的方法取決于所安裝的DGX OS版本（對于DGX系統），由雲服務提供商提供的特定NGC雲映像，或為準備在TITAN PC，Quadro PC或vGPU上運作NGC容器而準備的軟體。

過程Procedure

選擇“标簽”頁籤，找到要運作的容器映像版本。

在“拉标簽”列中，單擊圖示以複制<code>docker pull</code>指令。

打開指令提示符并粘貼pull指令。開始提取容器圖像。在繼續下一步之前，確定拉取成功完成。

運作容器映像。

如果具有Docker 19.03或更高版本，則啟動容器的典型指令是：

如果具有Docker 19.02或更早版本，啟動容器的典型指令是：

其中:

通過将TensorFlow導入為Python子產品來運作：

You might want to pull in data and model descriptions from locations outside the container for use by TensorFlow. To accomplish this, the easiest method is to mount one or more host directories as Docker data volumes. You have pulled the latest files and run the container image.

Note: In order to share data between ranks, NCCL may require shared system memory for IPC and pinned (page-locked) system memory resources.

可能要從容器外部的位置提取資料和模型描述，供TensorFlow使用。為此，最簡單的方法是将一個或多個主機目錄挂載為Docker資料卷。提取最新檔案并運作容器映像。

注意：為了在ranks之間共享資料，NCCL可能需要IPC和固定（頁面鎖定）系統記憶體資源的共享系統記憶體。

有關<code>/workspace/README.md</code>自定義TensorFlow圖像的資訊，參見容器。