从.whl文件手动安装Tensorflow而没有.so文件

时间:2019-03-27 06:25:01

标签: python tensorflow

在我正在使用的Ubuntu 16.04工作站中,我没有Internet连接。因此,我无法通过pip或使用Internet安装tensorflow(在python 2.7中)库。

此外,由于此工作站是远程工作站,因此我必须通过邮件发送tensorflow wheel文件,并且附件限制为25MB。

我将.whl文件(tensorflow-1.13.1-cp27-cp27mu-manylinux1_x86_64.whl)分为4部分,并将其压缩到小于25MB,但是还有一个我无法压缩的.so文件(_pywrap_tensorflow_internal.so)。

在远程系统上,我将通过将Tensorflow解压缩到一个文件夹中并将其添加到python 2.7 PATH变量中来手动安装。 (在此之前,我已经手动安装了所有依赖项,例如Bazel等)

那么,我是否可以在没有.so文件的情况下手动安装该wheel文件,还是无法以任何方式进行?

2 个答案:

答案 0 :(得分:2)

您可以使用virtualenv解决问题。 如果您已经安装了virtualenv,则可以按照以下说明操作here,但是如果您需要在不连接Internet的情况下安装virtualenv,则可以参考以下说明。 下载适用于python 2 here的.deb文件。 (如果链接过期,请发表评论) 通过通过GUI运行或使用以下命令来安装它:

sudo dpkg -i /path/to/deb/file

安装完成后,最好安装tensorflow

希望这会有所帮助。

答案 1 :(得分:1)

Tensorflow 1.9是已过时和不推荐使用的版本。 Google从pypi中删除了1.15之前的版本。但是您绝对可以轻松地使用pip下载并安装更高版本

您不需要互联网即可使用pippip所做的是下载软件包并在本地处理它。如果您可以自己下载并传输软件包,则可以要求pip为您处理和安装软件包。

以下内容适用于python 2.7tensorflow==2.0.0.。 (Source Link

下载软件包: (仅适用于CPU)

wget https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-2.0.0-cp27-cp27mu-manylinux2010_x86_64.whl

(用于GPU支持)

wget https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.0.0-cp27-cp27mu-manylinux2010_x86_64.whl

现在将文件复制到您的PC(没有互联网,通过USB或其他任何设备)。然后使用pip或任何其他软件包管理器安装软件包(首选pip

# for CPU
pip install tensorflow-2.0.0-cp27-cp27mu-manylinux2010_x86_64.whl
# for GPU
pip install tensorflow_gpu-2.0.0-cp27-cp27mu-manylinux2010_x86_64.whl

我安装在新的conda环境中。它对我来说很好用,并且可以使用此软件包运行我的代码。

对于旧版本: Tensorflow在PyPI存储库中只有以下版本

  

1.13.0rc1、1.13.0rc2、1.13.1、1.13.2、1.14.0rc0、1.14.0rc1、1.14.0、1.15.0rc0、1.15.0rc1、1.15.0rc2、1.15.0rc3、1.15.0 ,2.0.0a0、2.0.0b0、2.0.0b1、2.0.0rc0、2.0.0rc1、2.0.0rc2、2.0.0、2.1.0rc0

您可以使用pip下载版本。 (我已经下载了1.13.1,但是根据您的要求更改版本)。打开一个新文件夹并使用

下载
pip download tensorflow==1.13.1

这将在文件夹中下载一大堆whltar.gz软件包。将整个文件夹复制到新PC(不使用Internet)。 其中有tensorflow-1.13.1-cp27-cp27mu-manylinux1_x86_64.whl

使用pip

安装
pip install tensorflow-1.13.1-cp27-cp27mu-manylinux1_x86_64.whl

更新:

使用pip脱机安装时,请先安装依赖项。 在上述情况下,请按以下顺序安装软件包

  1. numpy, six, enum , h5py...
  2. Keras
  3. tensorboard
  4. tensorflow_estimator
  5. 最后tensorflow

我为 CPU 进行了此操作,效果很好。如果发现GPU有任何问题,请更新。通常,这应该可以解决问题。

相关问题