Como baixar, instalar e configurar o Tensorflow no Windows e Linux

O TensorFlow é uma plataforma de código aberto desenvolvida pelo Google para aprendizado de máquina e IA (inteligência artificial). Ele ajuda com uma variedade de tarefas para desenvolvedores que trabalham nesse campo.

Para começar, você precisa entender o aprendizado de máquina ou, especificamente, o aprendizado profundo antes de usar o TensorFlow.

Aqui, deixe-me destacar algumas coisas sobre o TensorFlow, seus recursos e métodos rápidos para instalá-lo no Windows e no Linux.

Visão geral do TensorFlow

Tecnicamente, o TensorFlow é uma plataforma de código aberto que ajuda com aplicativos de aprendizado profundo e qualquer outro caso de uso de aprendizado de máquina.

Ele facilita a criação e a implantação de aplicativos baseados em ML. Se você deseja resolver um problema usando o aprendizado de máquina, pode obter ajuda com o TensorFlow.

O TensorFlow fornece ferramentas para ajudar a desenvolver e treinar modelos usando Python ou JavaScript. Embora eu não seja um desenvolvedor, você pode explorar sua documentação para saber como isso afeta seu fluxo de trabalho de implantação de um aplicativo de aprendizado de máquina.

Recursos do TensorFlow

O TensorFlow é famoso por vários motivos, e você pode avaliar isso por si mesmo, conhecendo suas melhores ofertas de recursos.

Se conseguirmos discutir os benefícios técnicos, você terá que compará-los pelo que faz. Então, vamos nos concentrar em recursos comuns benéficos para a maioria.

1. Código Aberto

O Google decidiu abrir o TensorFlow em 2015 para permitir que a comunidade o melhore ainda mais e fornecer transparência sobre como ele funciona.

Os desenvolvedores podem personalizar a biblioteca de várias maneiras para resolver problemas que você pode não ter esperado.

Sem uma estrutura de código aberto, pode não ter sido tão popular quanto é. Por isso

2. Depuração fácil

O TensorFlow visa ajudá-lo com a construção fácil de modelos; portanto, uma experiência de depuração sem esforço faz parte desse processo.

A experiência intuitiva do usuário é a cereja do bolo.

  As 6 melhores ferramentas de gerenciamento de fotos para Linux

3. Suporta CPUs e GPUs

Com o TensorFlow, você pode treinar a computação de dados em uma CPU ou GPU. Normalmente, uma GPU torna as coisas mais rápidas para aplicativos de aprendizado profundo em comparação com a CPU.

Portanto, se você tem uma GPU poderosa em seu arsenal, o TensorFlow pode ajudá-lo a tirar o máximo proveito dela.

4. APIs úteis de aprendizado de máquina

As APIs ajudam os desenvolvedores a integrar uma variedade de recursos em seus aplicativos. E o TensorFlow fornece acesso a uma boa coleção de APIs estáveis.

Alguns deles podem oferecer vantagens de desempenho também. De acordo com suas reivindicações oficiais, você não deve ter problemas com os disponíveis em Python. Se você estiver trabalhando com outras linguagens, precisará verificar com os mantenedores do TensorFlow se eles são bons para o seu caso de uso.

5. Modelos Prontos para Produção

O TensorFlow apresenta uma variedade de modelos pré-treinados. Seja um profissional ou um novato, você pode usá-los para economizar tempo e criar modelos de ML mais rapidamente.

Além desses recursos, você obtém flexibilidade, facilidade de uso, um kit de ferramentas de visualização e muito mais que podem ajudar seu fluxo de trabalho de desenvolvimento de machine learning.

Agora que você tem uma boa ideia sobre o TensorFlow, onde você pode baixá-lo? Como instalá-lo e configurá-lo em seus sistemas Windows e Linux?

Vamos discutir isso abaixo.

Baixando e instalando o TensorFlow

Ao contrário de outros programas, você não obtém um arquivo de configuração .exe aqui. Primeiramente, você precisará baixar o pacote usando o gerenciador de pacotes recomendado.

No geral, existem diferentes formas de instalação. Podemos listá-los da seguinte forma:

  • Usando Miniconda e pip
  • Usando Miniconda e pip no WSL 2
  • Usando um contêiner do Docker
  • Construindo a partir de fontes

Como instalar o TensorFlow no Windows?

Ao contrário de outros programas, você não obtém um arquivo de configuração .exe aqui. Você precisará baixar o pacote usando o gerenciador de pacotes recomendado.

#1. Usando Miniconda e pip (Método recomendado)

Observação: no momento em que escrevo isso, o TensorFlow 2.10 é a última versão compatível com GPU no Windows (nativamente). Se você trabalha com pacotes mais recentes, o TensorFlow recomenda que você instale o TensorFlow no WSL 2, que será discutido a seguir.

Se você quiser usar o TensorFlow com suporte a GPU, o TensorFlow recomenda usar o Miniconda (instalador do gerenciador de pacotes conda) para começar.

Com o Miniconda, você cria um ambiente separado para evitar conflitos com qualquer outro software em seu sistema.

  Como adicionar uma mensagem de tela de bloqueio personalizada no Windows 10

Para começar, você precisa baixar o Miniconda Windows Installer mais recente e seguir as instruções na tela para concluir a instalação.

Uma vez feito, você precisa iniciar o prompt do Miniconda, conforme mostrado na captura de tela:

Aqui está o que parece:

Depois de ver a janela do prompt do Anaconda, você pode digitar o seguinte comando para certificar-se de que o gerenciador de pacotes conda foi atualizado:

<strong>conda update -n base -c defaults conda</strong>

Com isso fora do caminho, aqui estão as etapas que você precisa seguir para instalar o TensorFlow:

Primeiro, para criar um novo ambiente (com o nome tf):

<strong>conda create --name tf python=3.9 </strong>

Dica: Você pode ativar/desativar usando os comandos: conda activate tf e conda deactivate

Você terá que ativá-lo para prosseguir. Para habilitar o suporte a GPU no processo, você deve certificar-se de ter seu driver gráfico (GPU NVIDIA) instalado e, em seguida, instalar alguns pacotes usando o seguinte comando:

<strong>conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0</strong>

Ele baixa cerca de 1 GB de pacotes, que incluem ferramentas que permitem implantar aplicativos de aprendizado de máquina com GPU e uma rede neural profunda.

Por fim, você terá que utilizar o gerenciador de pacotes pip para instalar o pacote TensorFlow. Você pode optar por usar o conda para instalar o Tensorflow, mas pode não ter a versão estável mais recente necessária.

Antes de continuar, verifique se o pip foi atualizado usando o comando:

pip install --upgrade pip

Uma vez feito, instale o TensorFlow com:

<strong>pip install tensorflow</strong>

Você notará vários pacotes sendo compilados/instalados. Ele pode parecer travado no processo, mas espere um minuto e ele deve continuar e concluir a instalação.

#2. Usando Conda e pip no WSL 2

Supondo que você já tenha configurado o WSL 2 em seu sistema, você pode instalar o TensorFlow usando os seguintes comandos no terminal da distribuição:

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/

python3 -m pip install tensorflow

# Verify install:

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Você pode colar tudo de uma vez e será processado um por um.

Caso você não tenha instalado o WSL 2 no Windows. Vá para o prompt de comando com acesso de administrador e digite o seguinte:

wsl.exe --install

Ele deve baixar o Ubuntu e habilitar o recurso WSL para o seu sistema. Você precisará reiniciar seu PC para concluir.

Se você não conseguir encontrar o Ubuntu em seu sistema, poderá navegar até a Microsoft Store e instalar o Ubuntu WSL.

  Como verificar se o Windows 10 está instalado a partir de UEFI ou BIOS legado

#3. Construir a partir da fonte

Considerando que o TensorFlow é de código aberto, você pode construí-lo desde o início com suas opções de configuração.

Portanto, isso é recomendado para usuários avançados cientes de todas as opções e que conhecem as porcas e parafusos para configurar. Consulte a documentação oficial para explorar mais sobre isso.

Como instalar o TensorFlow no Linux?

Assim como o Windows, você pode instalar o TensorFlow usando o Miniconda e o pip no Linux. Ou escolha construir a partir da fonte.

Deixe-me mostrar como é feito:

#1. Usando Miniconda e pip (Método recomendado)

Nota: Siga os mesmos comandos do Windows. A única diferença é como você instala/baixa o Miniconda no Linux.

Veja como instalar o Miniconda no Linux usando o terminal:

curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -o Miniconda3-latest-Linux-x86_64.sh

bash Miniconda3-latest-Linux-x86_64.sh

Reinicie o terminal em sua distribuição Linux para encontrar algo assim:

Você notará um (base) antes das variáveis ​​do prompt do terminal. Isso indica que o conda está atualmente ativo e instalado.

Não desative-o, a menos que tenha concluído a instalação do TensorFlow.

Você pode navegar para as etapas mencionadas acima para Windows e instalá-lo. Ou cole o seguinte para instalar o TensorFlow:

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Com o Linux, você pode ter problemas com o driver da GPU. Para isso, você deve consultar a documentação da NVIDIA para saber mais.

#2. Construir a partir da fonte

Assim como no Windows, compilar a partir do código-fonte é complicado no Linux e é voltado exclusivamente para usuários avançados.

Você (assumindo que você é um iniciante) não deve optar por este método a menos que tenha algo específico em mente. A melhor maneira de explorar mais sobre isso é consultar a documentação.

Como instalar o TensorFlow usando o Docker? (Windows e Linux)

Independentemente da plataforma, o Docker permite que você instale imagens do TensorFlow sem problemas.

Certifique-se de ter o Docker instalado em seu sistema ou siga nosso guia de instalação do Docker para obter ajuda.

Depois de configurá-lo, você precisa inserir o seguinte comando no Docker:

docker pull tensorflow/tensorflow  

Você precisa de experiência com contêineres do Docker para iniciar um contêiner com as configurações necessárias para o seu trabalho.

Para suporte específico de GPU ou download de uma versão diferente do TensorFlow, consulte as opções disponíveis na documentação oficial.

Aqui está a aparência do comando quando você deseja executá-lo usando o Docker:

docker run [-it] [--rm] [-p hostPort:containerPort] tensorflow/tensorflow[:tag] [command]

Conclusão

A instalação do TensorFlow é feita uma única vez e, com nosso guia, deve ser um processo sem complicações para a maioria.

Se você já tinha configurações anteriores ou configuração com versões mais antigas do Python ou um gerenciador de pacotes Conda mais antigo. Certifique-se de aplicar as atualizações mais recentes para instalar o TensorFlow sem problemas.

Você também pode explorar as melhores plataformas de IA para criar aplicativos de IA e ML.