Tensorflow2 模型优化环境快速搭建
原创
一. 环境安装
1. 安装Anaconda并创建虚拟环境
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2020.07-Linux-x86_64.sh --no-check-certificate
bash Anaconda3-2020.07-Linux-x86_64.sh
source ~/.bashrc
# 检查是否安装成功, 需要看配置有没有写到环境变量里
conda -V
# “tf2”是你建立的conda虚拟环境的名字
conda create --name tf2 python=3.7
# 进入名为“tf2”的conda虚拟环境
conda activate tf2 2. 安装tf2.5(GPU版本包含了CPU)
pip install tensorflow-gpu==2.5.0 -i https://pypi.douban.com/simple验证下是否安装正常, 命令行输入: python3, 然后粘贴以下内容, 看结果是否能正常输出
import tensorflow as tf
A = tf.constant([[1, 2], [3, 4]])
B = tf.constant([[5, 6], [7, 8]])
C = tf.matmul(A, B)
print(C)Output:
tf.Tensor(
[[19 22]
[43 50]], shape=(2, 2), dtype=int32)3. 安装Dokcer和 Nvidia-Docker
yum install tlinux-release-docker-ce docker-ce
# 下载nvidia-docker的repo文件
curl -s -L https://nvidia.github.io/nvidia-docker/centos7/nvidia-docker.repo | tee /etc/yum.repos.d/nvidia-docker.repo
# 安装
yum install nvidia-container-runtime
# 安装完成后需要启动一下docker
service docker start4. Docker安装TFServing (GPU版本包含了CPU)
docker pull tensorflow/serving:2.5.3-gpu5. Tensorboard安装
conda activate tf2
pip3 install tensorboard==2.5.0
pip3 install tensorboard-data-server==0.6.1
pip3 install tensorboard-plugin-profile==2.5.0
pip3 install tensorflow-model-optimization==0.7.06. Tensorboard Profiler抓包
nohup tensorboard --logdir=/tmp/tensorboard --host=127.0.0.1 --port=6006 &进入 http://localhost:6006/ 开始进行抓包, 抓包前需要选择PROFILE选项, 然后填写对应配置(注意这里tensorboard和tfserving必须是在同一台机器启动), 抓取期间使用TF-preftest工具进行请求.
image.png
7. 使用Netron可视化模型h5文件
首先下载并安装 https://netron.app/, 然后打开模型里面的h5文件就行了
image.png
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
评论
登录后参与评论
推荐阅读