Tensorflow: mudanças entre as edições
Sem resumo de edição |
Sem resumo de edição |
||
| Linha 6: | Linha 6: | ||
2. pip install -U --user --upgrade <diretório onde o arquivo foi baixado>/tensorflow-2.8.0-cp39-cp39-linux_aarch64.whl | 2. pip install -U --user --upgrade <diretório onde o arquivo foi baixado>/tensorflow-2.8.0-cp39-cp39-linux_aarch64.whl | ||
== Compilando Tensorflow == | |||
01. Crie um espaço de swap com pelo menos 8 gigabytes | |||
01.1 sudo fallocate -l 8G /swap | |||
01.2 sudo mkswap /swap | |||
01.3 sudo swapon /swap (ou edite /etc/fs para fazer o swap permanente) | |||
02. Baixe o bazelisk: git clone https://github.com/bazelbuild/bazelisk.git | |||
03. Instale o bazelisk (de acordo com as instruções do README.md no github) | |||
04. Baixe o tensorflow: git clone https://github.com/tensorflow/tensorflow.git | |||
05. cd <diretório>/tensorflow | |||
06. Liste as versões disponíveis: git tag -l | |||
07. Selecione a versão desejada (no caso 2.8.0): git checkout tags/v2.8.0 | |||
08. Configure para compilação: ./configure | |||
08.1. É possível que o configure não encontre alguns libraries, que precisarão ser instalados manualmente | |||
08.2. No caso do Labrador, desabilitar todas as otimizações GPU e as pertinentes a processadores Intel | |||
09. Construa o tensorflow: bazel --host_jvm_args='-Xms512m' --host_jvm_args='-Xmx1024m' build --config=v2 --local_cpu_resources=1 //tensorflow/tools/pip_package:build_pip_package | |||
10. Gere o wheel: ./bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg | |||
11. O arquivo wheel estará em /tmp/tensorflow_pkg/... | |||
A compilação vai durar aproximadamente 120 horas. | |||
Possivelmente a compilação vai travar algumas vezes. Mas é preciso ter muita calma: como os recursos do dispositivo vão ser esgotados, é preciso tentar destravar o terminal e esperar vários minutos para verificar se está efetivamente travado. Neste caso, basta desligar o dispositivo, religar o mesmo, ir para o diretório do tensorflow e repetir o comando descrito no ítem 10. | |||
Edição das 14h46min de 2 de abril de 2022
O TensorFlow é uma plataforma de código aberto de ponta a ponta para Machine Learning (ML). Ele tem um ecossistema abrangente e flexível de ferramentas, bibliotecas e recursos da comunidade que permite que desenvolvedores criem e implantem facilmente aplicativos com tecnologia de ML.
Instalando Tensorflow na Labrador
1. Baixe a versão 2.8 a partir deste link: https://drive.google.com/file/d/10vqovTaFwYYDgSkO0deF2A-w2mop719T/view
2. pip install -U --user --upgrade <diretório onde o arquivo foi baixado>/tensorflow-2.8.0-cp39-cp39-linux_aarch64.whl
Compilando Tensorflow
01. Crie um espaço de swap com pelo menos 8 gigabytes 01.1 sudo fallocate -l 8G /swap 01.2 sudo mkswap /swap 01.3 sudo swapon /swap (ou edite /etc/fs para fazer o swap permanente) 02. Baixe o bazelisk: git clone https://github.com/bazelbuild/bazelisk.git 03. Instale o bazelisk (de acordo com as instruções do README.md no github) 04. Baixe o tensorflow: git clone https://github.com/tensorflow/tensorflow.git 05. cd <diretório>/tensorflow 06. Liste as versões disponíveis: git tag -l 07. Selecione a versão desejada (no caso 2.8.0): git checkout tags/v2.8.0 08. Configure para compilação: ./configure 08.1. É possível que o configure não encontre alguns libraries, que precisarão ser instalados manualmente 08.2. No caso do Labrador, desabilitar todas as otimizações GPU e as pertinentes a processadores Intel 09. Construa o tensorflow: bazel --host_jvm_args='-Xms512m' --host_jvm_args='-Xmx1024m' build --config=v2 --local_cpu_resources=1 //tensorflow/tools/pip_package:build_pip_package 10. Gere o wheel: ./bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg 11. O arquivo wheel estará em /tmp/tensorflow_pkg/...
A compilação vai durar aproximadamente 120 horas. Possivelmente a compilação vai travar algumas vezes. Mas é preciso ter muita calma: como os recursos do dispositivo vão ser esgotados, é preciso tentar destravar o terminal e esperar vários minutos para verificar se está efetivamente travado. Neste caso, basta desligar o dispositivo, religar o mesmo, ir para o diretório do tensorflow e repetir o comando descrito no ítem 10.