在tensorflow下使用hadoop

配置环境变量花了好多时间

http://cwiki.apachecn.org/pages/viewpage.action?pageId=10029530

创建： 片刻，最新修改于： 2017-06-07

转至元数据起始

原文链接 : https://www.tensorflow.org/deploy/hadoop

译文链接 : http://www.apache.wiki/pages/viewpage.action?pageId=10029530

贡献者 : 片刻 ApacheCN Apache中文网

本文档介绍如何在Hadoop上运行TensorFlow。它将扩展到描述在各种集群管理器上运行，但只描述在当前运行在HDFS上。

HDFS

我们假设您熟悉阅读数据。

要使用具有TensorFlow的HDFS，请更改用于将数据读取和写入HDFS路径的文件路径。例如：

filename_queue = tf.train.string_input_producer([

    "hdfs://namenode:8020/path/to/file1.csv",

    "hdfs://namenode:8020/path/to/file2.csv",

]) 

如果要使用HDFS配置文件中指定的namenode，请将文件前缀更改为hdfs://default/。

启动TensorFlow程序时，必须设置以下环境变量：

JAVA_HOME：Java安装的位置。

HADOOP_HDFS_HOME：HDFS安装的位置。您还可以通过运行以下设置此环境变量：

shell source ${HADOOP_HOME}/libexec/hadoop-config.sh

LD_LIBRARY_PATH：要包含libjvm.so的路径，以及可选的libhdfs.so的路径，如果您的Hadoop分发版未安装libhdfs.so$HADOOP_HDFS_HOME/lib/native。在Linux上：

shell export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:${JAVA_HOME}/jre/lib/amd64/server

CLASSPATH：必须在运行TensorFlow程序之前添加Hadoop jar。CLASSPATH设置${HADOOP_HOME}/libexec/hadoop-config.sh不足。必须按照libhdfs文档中的描述扩展Globs：

shell CLASSPATH=$($HADOOP_HDFS_HOME}/bin/hadoop classpath --glob) python your_script.py对于旧版本的Hadoop / libhdfs（早于2.6.0），您必须手动扩展类路径通配符。有关详细信息，请参阅HADOOP-10903。

如果Hadoop集群处于安全模式，则必须设置以下环境变量：

KERB_TICKET_CACHE_PATH：Kerberos票证缓存文件的路径。例如：

shell export KERB_TICKET_CACHE_PATH=/tmp/krb5cc_10002 

如果您正在运行分布式TensorFlow，则所有工作人员必须设置环境变量并安装Hadoop。