快速开始

安装

设置 Lingvo 有两种方法：通过 pip 安装固定版本，或者克隆仓库并使用 bazel 构建它。Lingvo 为每种情况都提供了 Docker 配置。

如果您只想按原样使用框架，最简单的方法是通过 pip 安装它。这使得使用 Lingvo 框架的固定版本开发和训练自定义模型成为可能。但是，很难修改框架代码或实现新的自定义操作。

如果您想进一步开发框架并可能贡献拉取请求，则应避免使用 pip 并用克隆仓库进行替代。

pip 安装：

该 Lingvo 的 pip 封装包可以通过pip3 install lingvo安装

从源代码构建：

先决条件是：

• 安装 TensorFlow 2.5
• 一个C++编译器（只正式支持 g++ 7.3）
• bazel 构建系统。

git clone存储库，然后使用 bazel 直接构建和运行目标。Codelab 中的python -m module命令需要映射到bazel run命令上。

Docker：

Docker 配置可用于这两种情况：

• lib.dockerfile 预装了 Lingvo pip 包
• dev.dockerfile 可用于从源代码构建 Lingvo

运行 MNIST 图像模型

准备输入数据

pip：

mkdir -p /tmp/mnist
python3 -m lingvo.tools.keras2ckpt --dataset=mnist

bazel：

mkdir -p /tmp/mnist
bazel run -c opt //lingvo/tools:keras2ckpt -- --dataset=mnist

将在以下文件中创建/tmp/mnist：

• mnist.data-00000-of-00001: 53MB
• mnist.index: 241 字节

运行模型

pip：

cd /tmp/mnist
curl -O https://raw.githubusercontent.com/tensorflow/lingvo/master/lingvo/tasks/image/params/mnist.py
python3 -m lingvo.trainer --run_locally=cpu --mode=sync --model=mnist.LeNet5 --logdir=/tmp/mnist/log

bazel：

(cpu) bazel build -c opt //lingvo:trainer
(gpu) bazel build -c opt --config=cuda //lingvo:trainer
bazel-bin/lingvo/trainer --run_locally=cpu --mode=sync --model=image.mnist.LeNet5 --logdir=/tmp/mnist/log --logtostderr