openEuler上部署Tensorflow

openEuler上部署Tensorflow

今天给大家带来如何在openEuler上部署Tensorflow

这次部署Tensorflow框架，我们通过安装anaconda后在进行Tensorflow部署

部署TensorFlow分为以下几个步骤进行：

1. 安装python环境 ，
   由于openeuler已经自带了python3的环境，所以输入如下命令查看python3的版本：
   python3 --version
   

2. 下载并安装anaconda，进入官网下载linux版本的anaconda的安装软件（最新版本的anaconda是适配python3.8的，所以得找适配python3.7版本的anaconda安装包）步骤如下：
   anaconda官网地址
   选择Product下的Individual Edition
   滑到底部找到
   
   点击here进入anaconda的历史版本
   找到linux版本下的
   
   点击下载第二个
   Miniconda3 Linux-aarch64 64-bit
   等待下载完成。
   通过WinSCp将anaconda安装文件上传到openeuler上（这里我再openeuler根目录下创建了一个anaconda的目录用于存放anaconda安装文件）
   
   等待上传完成

3. 安装anaconda；
   进入anaconda安装文件所在目录输入如下命令：
   bash Miniconda3-py37_4.10.1-Linux-aarch64.sh
   然后一直回车和输入yes即可
   
   有这个提示那么anaconda就安装完成了；

4. ；配置anaconda环境
   安装anaconda完成后回到根目录
   cd
   通过ls查看根目录发现多出了一个miniconda3目录
   
   cd进入miniconda3目录
   
   设置anaconda环境就是将该目录下的bin目录路径写到profile文件，
   vim /etc/profile
   
   export PATH=$PATH:/home/miniconda3/bin
   
   输入python3
   
   看到有Anaconda就意味Anaconda安装完成
   如果配置环境后没有Anaconda，建议重启一下电脑。

5. 部署TensorFlow；
   Anaconda安装完成后部署TensorFlow就相对简单了，因为Anaconda相当于一个虚拟机，所以我们可以可以借助anaconda的库安装TensorFlow，
   conda install tensorflow
   
   
   
   到此tensorflow部署完成
   9.测试tensorflow；
   

6. 接下来运行如下代码试试效果。
   创建一个test.py文件，将下面的代码复制到py文件中，保存退出
   运行test.py文件，python3 test.py
   

在这里插入代码片
# -*- coding: utf-8 -*-

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras.datasets import boston_housing

def createModel():
    model = Sequential()
    model.add(Dense(32, input_shape=(13,),activation='relu'))
    model.add(Dense(16,activation='relu'))
    model.add(Dense(1))
    model.compile(loss='mean_squared_error',optimizer='adam')
    return model

(x_train,y_train),(x_test,y_test) = boston_housing.load_data()
#读入boston_housing的数据集数据
model = createModel()

model.fit(x_train,y_train,batch_size=8,epochs=10)

print(model.metrics_names)
print(model.evaluate(x_test,y_test))

for i in range(10):
    x_te=x_test[i].reshape(1,13)
    y_pred = model.predict([[x_te]])
    print("predict:{}, target:{}".format(y_pred[0][0],y_test[i]))

Windows下Spyder运行结果

openEuler下的运行结果

两者运行结果是一样的
到此，安装测试完成。