基础环境要求和配置

1. 硬件环境

1.1 训练模型用工作站的建议配置

最低：4x CPU, 1x GPU (NVIDIA, 必需), RAM 16GB, Graph Memory 11GB, 500 GB 机械硬盘

建议：4x CPU, 1x GPU (NVIDIA, 必需), RAM 32GB以上, Graph Memory 12GB 以上， 1 TB 机械硬盘/固态硬盘 以上

高配：8x CPU (Intel)以上, 32 GB RAM 以上，1x Nvidia GPU Graph Memory 16 GB 以上(NVIDIA, 必需)，2 TB 固态硬盘 以上

1.2 服务端API服务器部署的建议配置

最低：1x CPU (Intel), 1 GB RAM (单接口) / 1x CPU (Intel), 2 GB RAM (双接口)

建议：2x CPU (Intel)以上, 4 GB RAM 以上

高配：4x CPU (Intel)以上, 8 GB RAM 以上，1x Nvidia GPU Graph Memory 8 GB 以上

2. 系统软件环境

2.1 操作系统

理论上Windows、各个版本的Linux和MacOS系统均支持，但MacOS系统不可使用GPU来运行。

Linux下，支持Ubuntu、CentOS、Fedora系统，在其他系统中尚未做过兼容性测试。

2.2 Python3

3.7 3.8 3.9 均支持，3.6 及更低版本均不支持，尚未在Python 3.9版本中做过兼容测试。

2.3 CUDA和cuDNN

支持CUDA 10.2，CUDA 11.2，cuDNN版本需要与所需的CUDA版本对应。对于最新的master分支版本，由于需要使用TensorFlow 1.15及以上版本，CUDA最低需要使用10.2版本。

可参考：Linux系统下安装TensorFlow的GPU版本

2.4 教程：为了加速计算，如何安装GPU版TensorFlow包

TensorFlow支持使用GPU来加速计算，需要安装Cuda驱动和cudnn计算API，详细过程请看这篇文章：

Linux系统下安装TensorFlow的GPU版本

在多平台上安装TensorFlow的方法

linux卸载旧版CUDA并安装新版CUDA

Windows安装CUDA和CUDNN运行环境

2.5 可选部署(非训练)方式：Docker

ASRT提供了打包好的Docker镜像，可以用于直接安装部署，并通过启动Docker容器提供语音识别API服务。

3. Python依赖包软件环境

3.1 依赖库列表

主要是TensorFlow，其他依赖包一般不存在兼容问题。

• TensorFlow (2.5+)

  支持2.2版本以上的全部版本，不再支持较低版本，具体实践中最高支持的版本取决于TensorFlow该版本对硬件指令的支持，以及所使用的Python3版本。

  当安装了CPU版TensorFlow时，只能使用CPU运行，如果安装了GPU版TensorFlow，默认使用GPU运行，如果在os运行环境那里把使用的CUDA设备改为-1时，则可以使用CPU运行。

  很重要！不知道从什么时候和哪个版本起，默认安装的TensorFlow(即不指定是CPU还是GPU的时候)已经变为GPU版了（或者不分GPU和CPU），如果要安装CPU版TensorFlow最好指定安装tensorflow-cpu，要安装GPU就指定安装tensorflow-gpu，以防安装错版本。

  安装命令：
  GPU版：

  $ pip install tensorflow-gpu

  CPU版：

  $ pip install tensorflow-cpu

• MatPlotLib (最新版)

  安装命令：

  $ pip install matplotlib

• wave (最新版)
  安装命令：

  $ pip install wave

• scipy (最新版)
  安装命令：

  $ pip install scipy

• requests (最新版)
  安装命令：

  $ pip install requests

• flask和waitress
  新版基于HTTP协议的API服务需要安装这两个依赖库
  安装命令：

  $ pip install flask waitress

• h5py (默认情况下无需手动安装)

  在某些条件下，默认安装的h5py最新版本与此时的tensorflow和keras包不兼容，需要手动指定安装的版本号，2.10.0和2.8.0都是适用的python依赖包版本，如果出现了类似问题可手动安装该版本。
  如果出现了诸如 'str' object has no attribute 'decode' 报错信息，请手动pip安装指定版本的h5py依赖库。

  安装命令：

  $ pip install h5py

• gRPC相关包
  ASRT新版基于gRPC协议的API服务需要安装下列依赖库
  安装命令：

  $ pip install grpcio==1.34.0 grpcio-tools==1.34.0 protobuf

• pytest (可选包)
  ASRT代码包含有单元测试代码，可使用pytest进行单元测试。不安装不影响常规使用。
  安装命令：

  $ pip install pytest

直接pip安装就好

3.2 pip list 样例

执行命令$ pip list即可查看。

3.2.1 master分支最新 和ASRT v1.0.0及以后 依赖库配置

3.2.1.1 推荐配置

absl-py==0.15.0
astor==0.8.0
astunparse==1.6.3
cached-property==1.5.2
cachetools==4.2.4
certifi==2019.9.11
charset-normalizer==2.0.7
cycler==0.10.0
flatbuffers==1.12
gast==0.4.0
google-auth==2.3.3
google-auth-oauthlib==0.4.6
google-pasta==0.2.0
grpcio==1.34.1
h5py==3.1.0
idna==3.3
Keras-Applications==1.0.8
keras-nightly==2.5.0.dev2021032900
Keras-Preprocessing==1.1.2
kiwisolver==1.3.1
Markdown==3.1.1
matplotlib==3.4.2
numpy==1.19.5
oauthlib==3.1.1
opt-einsum==3.3.0
Pillow==8.3.2
protobuf==3.10.0
pyasn1==0.4.8
pyasn1-modules==0.2.8
pyparsing==2.4.7
python-dateutil==2.8.1
python-speech-features==0.6
requests==2.26.0
requests-oauthlib==1.3.0
rsa==4.7.2
scipy==1.6.3
six==1.15.0
tensorboard==2.7.0
tensorboard-data-server==0.6.1
tensorboard-plugin-wit==1.8.0
tensorflow-estimator==2.5.0
tensorflow-gpu==2.5.2
termcolor==1.1.0
typing-extensions==3.7.4.3
urllib3==1.26.7
Werkzeug==0.16.0
wrapt==1.12.1