Latest · March 12, 2022 0

Como instalar o TensorFlow no CentOS

Instale o TensorFlow usando Python (pip) ou um Docker Container

O TensorFlow é uma plataforma de aprendizado de máquina do Google. É de código aberto e possui um grande número de ferramentas, bibliotecas e outros recursos desenvolvidos tanto por sua comunidade de desenvolvedores quanto pelo Google e outras corporações.

O TensorFlow está disponível para todos os sistemas operacionais usados ​​popularmente, viz. Windows, Mac OS, GNU/Linux. Ele pode ser baixado e instalado a partir do Python Package Index usando o pip ferramenta e pode ser executado em um ambiente virtual python. Outra maneira de usá-lo é instalá-lo como um contêiner do Docker.

pip é o utilitário oficial de gerenciamento de pacotes para pacotes Python. Python e pip não são instalados no CentOS por padrão.

Para instalar os pacotes, execute:

Sempre que a instalação pedir confirmação de download, etc., digite Y e depois pressione Enter tecla para continuar a configuração. O pacote python3 instalará o Python 3, bem como o Pip 3.

Recomenda-se executar o TensorFlow dentro de um ambiente virtual Python. Um ambiente virtual permite que o usuário execute vários ambientes Python, com diferentes versões dos pacotes necessários, isolados uns dos outros, no mesmo computador. Isso é para garantir que o desenvolvimento feito dentro de um ambiente virtual com uma versão específica de um pacote não afete o desenvolvimento em outro ambiente.

Para executar o ambiente virtual Python, precisamos usar o módulo venv. Primeiro, crie e acesse o diretório do projeto TensorFlow.

Para criar um ambiente virtual neste diretório, execute:

Isso criará um novo diretório tf_venv que é o ambiente virtual Python. Ele contém os arquivos mínimos necessários, viz. Arquivo executável Python, arquivo executável Pip e algumas outras bibliotecas necessárias.

Para iniciar o ambiente virtualcorre:

Isso mudará o nome do prompt para tf_venvou seja, o nome da pasta do ambiente virtual.

Agora vamos instalar o TensorFlow neste ambiente virtual. Para o TensorFlow, o mínimo necessário pip versão é 19. Para atualizar o pip para a versão mais recente, corre:

Como visto acima, a versão 20.0.2 do pip foi instalada.

Instale o pacote TensorFlow de maneira semelhante.

O pacote é bastante grande em tamanho (~420 MB) e pode levar algum tempo para ser baixado e instalado junto com suas dependências.

Uma vez instalado, podemos verificar a instalação do TensorFlow com um pequeno pedaço de código para verificar a versão do TensorFlow.

Para sair do ambiente virtual, execute:

O Docker agora é uma maneira bem estabelecida de instalar e executar programas em um ambiente virtualizado chamado Container. É de certa forma semelhante a um ambiente virtual Python que vimos no método anterior. No entanto, o escopo do Docker é muito mais amplo e os contêineres do Docker são completamente isolados e têm suas próprias configurações, pacotes de software e bibliotecas. Os contêineres podem se comunicar uns com os outros por meio de canais.

Podemos instalar e executar o TensorFlow por meio de um contêiner do Docker e executá-lo em um ambiente virtualizado. Os desenvolvedores do TensorFlow mantêm uma imagem do Docker Container que é testada a cada versão.

Antes de tudo, precisamos instalar o Docker em nosso sistema CentOS. Para isso, consulte o guia de instalação oficial do Docker para CentOS.

Em seguida, para fazer download da imagem de contêiner mais recente do TensorFlow, execute:

Observação: Se o seu sistema tiver uma unidade de processamento gráfico (GPU) dedicada, você poderá baixar a imagem de contêiner mais recente com suporte a GPU usando o comando abaixo.

Seu sistema deve ter os drivers apropriados para a GPU instalados para que os recursos da GPU possam ser utilizados pelo TensorFlow. Para obter mais informações sobre o suporte de GPU para TensorFlow, consulte a documentação no repositório do Github.

Para executar o TensorFlow no contêiner do Docker, execute:

Vamos primeiro tentar detalhar o que cada parte do comando significa.

run é o comando docker para iniciar um contêiner. As bandeiras -it são fornecidos quando queremos iniciar um shell interativo (por exemplo, Bash, Python). --rm sinalizador, chamado Clean Up, é especificado para que o sistema de arquivos e os logs criados internamente pelo Docker para a execução do contêiner sejam destruídos quando o contêiner for encerrado. Esse sinalizador não deve ser usado se os logs forem necessários no futuro para fins de depuração. Mas para pequenas corridas em primeiro plano como a nossa, ele pode ser usado.

Na próxima parte, especificamos o nome da nossa imagem de contêiner do Docker, ou seja, tensorflow/tensorflow. Em seguida, está o programa/comando/utilitário que queremos executar no contêiner. Para nossos testes, estamos invocando o interpretador Python no contêiner e passando o código que imprime a versão do TensorFlow.

Podemos ver que o Docker está imprimindo algum log ao iniciar o container. Depois que o contêiner é iniciado, nosso código Python é executado e a versão do TensorFlow é impressa (2.1.0).

Também podemos iniciar o interpretador Python como um shell, para que possamos continuar executando várias linhas de código do TensorFlow.

Neste artigo, vimos dois métodos para instalar o TensorFlow no CentOS. Ambos os métodos destinam-se à execução do TensorFlow em um ambiente virtualizado, que é uma abordagem recomendada ao usar o TensorFlow.

Se você é iniciante no TensorFlow, pode começar com o básico dos tutoriais oficiais do TensorFlow.