[TensorFlow, C++, Visual Studio, Windows] TensorFlow C++ 於 Visual Studio 快速使用 DLL,LIB 流程

-
很久之前寫過一篇關於編譯TensorFlow C++ 的流程，如下:
其實寫得很不詳細，
主要是寫出當時所處理的BUG以及處理方式。

最近在網路上找到一位善心人士，
將自己所編譯好的 TensorFlow C++ LIB和DLL 檔釋出，
這邊分享這位善心人士 fo40225 的github。
裡面目前只有兩個版本有C++的dll以及lib，
r1.10.0 (CPU版本以及GPU版本)和r1.14.0(CPU版本)，
裡面有cpp資料夾，
請參閱所需之cuda和cudnn下載。

以r1.10.0為例，流程如下 :

  1. 此github下面有說明其兼容的cuda版本和cudnn版本，對照並下載對應版本。
  2. 到此網站針對需求，CPU或GPU去下載分散的壓縮檔。https://github.com/fo40225/tensorflow-windows-wheel/tree/master/1.10.0/cpp
  3. 解壓縮完畢後有三個資料夾，bin、include、lib。
  4. 進入Visual Studio 創建空專案，並針對屬性頁新增
    1. VC++目錄->include目錄->"include"資料夾位置
    2. VC++目錄->程式庫目錄->"lib"資料夾位置
    3. 連結器->其他相依性->"tensorflow.lib; tensorflow_static.lib"
    4. 將bin/tensorflow.dll丟置空專案底下或是System32底下
    5. 確定cuda有輸入至環境變數

留言

張貼留言

這個網誌中的熱門文章

[TensorFlow, C++, Visual Studio, Windows] TensorFlow C++ 如何編譯與解決BUG (How to build Tensorflow C++ API with Visual Studio and solve BUG)

-
圖片
主要環境 : Windows, TensorFlow, C++, Visual Studio 安裝流程簡單說一下，網路有很多資料，都差不多。 以下為我安裝的各版本，只能說版本真的很重要，要去看文件是否有相通，版本可看 版本對應查詢 。 TensorFlow v1.10 Python v3.5 Visual Studio v2015 Cmake v3.12.0 SWIG v3.0.12 Git v2.20.1 首先先去Github下載對應的版本TensorFlow，記住不要錯...發生別的問題請自行解決。 接著CMake配置如圖，tensorflow的勾選部份自己斟酌吧，後來我有增加打勾tensorflow_GRPC_SUPPORT，網路上的人不推薦，這就看各位吧 : 接著Open Project，進入VS2015編譯，接著我只講我遇到的BUG與解法，沒遇過的別問我，我也不想碰到。 1.找不到 device_attributes.pb_text.h 個人解法: 工具 專案與方案 建置並執行 設置為 1 為平行專案組件的最大數目 2.找不到grpc/grpcpp.h 個人解法: 直接git clone https://github.com/grpc/grpc.git 將噴錯的專案右鍵"屬性" c/c++ 其他include目錄 增加clone下載的grpc\include 3.噴c_api.cc.obj有問題，從錯誤去看，看內容是有關WorkerCacheInterface之類的，我判斷是跟沒有弄到/tensorflow/core/distributed_runtime可能有些許關係，再往下查發現這跟grpc套件可能有關。 因此我重新使用CMake 把tensorflow_ENABLE_GRPC_SUPPORT打勾 把解法二的include增加都拿掉 重新編譯 成功產生tensorflow.lib/dll 4.fatal error LNK1181: 無法打開輸入文件“\pywrap_tensorflow_internal.lib” 個人解法 : 將 _beam_search_ops、_gpu_ops、_lst...
閱讀完整內容

[Ubuntu, Docker, Docker Swarm] Docker Swarm 建置 Jupyter Notebook 流程

-
首先更新apt到最新並下載ipython3以及相關套件 sudo apt update sudo apt install python3-pip  sudo apt install notebook 接著進入ipython去產生SHA密碼 ipython import IPython IPython.lib.passrd() 輸入密碼會產生sha密碼 接著產生swarm cluster sudo docker service create --name 'cluster名稱' -d -p 8888:8888 -e GRANT_SUDO=yes jupyter/base-notebook start-notebook.sh --NotebookApp.password='SHA密碼' sudo docker service scale 'cluster名稱'=1 sudo docker exec --user root -it 'cluster名稱' bash NFS 共享Storage設置 sudo apt install nfs-kernel-server (manager node) sudo apt install nfs-common (worker node) sudo vim /etc/exports sudo mkdir -p /mount/nfs_volume /mount/nfs_volume 192.168.80.0/24(rw,sync,no_root_sqush) sudo nfs-kernel-servel restart mount -t nfs 192.168.80.129:/mount/nfs_volume /mount/nfs_volume 最後暫定指令，指令必須連結至jupyter的預設目錄 sudo docker service create --name jup-base --mount 'type=volume,src=nfs_volume,dst=/home/jovyan/work,volume-driver=local,volume-nocopy=true,volume-op...
閱讀完整內容

[Docker Swarm] Docker Swarm 指令

-
圖片
docker service create --name="名稱" nginx docker service ps "集群名稱" docker service ls docker service rm xxxxx # 刪除正在執行中的映像檔 docker node rm -f "node name" #移除node  docker node demote "node name"#降級node docker node promote "node name"#升級node docker node update --availability drain "node name" #維護node docker node update --availability active "node name" #回復node
閱讀完整內容