Tensorflow: mudanças entre as edições

De Caninos Loucos
Ir para navegação Ir para pesquisar
Sem resumo de edição
Sem resumo de edição
(Uma revisão intermediária pelo mesmo usuário não está sendo mostrada)
Linha 4: Linha 4:


# Baixe o arquivo wheel a partir deste link: [https://drive.google.com/file/d/10vqovTaFwYYDgSkO0deF2A-w2mop719T/view '''TENSORFLOW''']
# Baixe o arquivo wheel a partir deste link: [https://drive.google.com/file/d/10vqovTaFwYYDgSkO0deF2A-w2mop719T/view '''TENSORFLOW''']
# pip install -U --user --upgrade <diretório onde o arquivo foi baixado>/tensorflow-2.8.0-cp39-cp39-linux_aarch64.whl (EXEMPLO, pode ser versão mais recente)
# '''pip install -U --user --upgrade <diretório onde o arquivo foi baixado>/tensorflow-2.8.0-cp39-cp39-linux_aarch64.whl''' (''EXEMPLO'', pode ser versão mais recente)


== Compilando Tensorflow ==
== Compilando Tensorflow ==
Linha 19: Linha 19:
# Selecione a versão desejada (no caso 2.8.0): '''git checkout tags/v2.8.0'''
# Selecione a versão desejada (no caso 2.8.0): '''git checkout tags/v2.8.0'''
# Configure para compilação: '''./configure'''
# Configure para compilação: '''./configure'''
## É possível que o configure não encontre alguns libraries, que precisarão ser instalados manualmente
## É possível que o '''configure''' não encontre alguns libraries, que precisarão ser instalados manualmente
## No caso do Labrador, desabilitar todas as otimizações GPU e as pertinentes a processadores Intel
## No caso do Labrador, desabilitar todas as otimizações GPU e as pertinentes a processadores Intel
# 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'''
# 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'''

Edição das 15h48min 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 o arquivo wheel a partir deste link: TENSORFLOW
  2. pip install -U --user --upgrade <diretório onde o arquivo foi baixado>/tensorflow-2.8.0-cp39-cp39-linux_aarch64.whl (EXEMPLO, pode ser versão mais recente)

Compilando Tensorflow

  1. Crie um espaço de swap com pelo menos 8 gigabytes. Use um SDCARD com pelo menos 32GBytes, recomendado 64GBytes
    1. sudo fallocate -l 8G /swap
    2. sudo mkswap /swap
    3. sudo swapon /swap (ou edite /etc/fstab para fazer o swap permanente, veja documentação linux para edição de /etc/fstab)
  2. Baixe o bazelisk: git clone https://github.com/bazelbuild/bazelisk.git
  3. Instale o bazelisk (de acordo com as instruções do README.md no github)
  4. Baixe o tensorflow: git clone https://github.com/tensorflow/tensorflow.git
  5. cd <diretório>/tensorflow
  6. Liste as versões disponíveis: git tag -l
  7. Selecione a versão desejada (no caso 2.8.0): git checkout tags/v2.8.0
  8. Configure para compilação: ./configure
    1. É possível que o configure não encontre alguns libraries, que precisarão ser instalados manualmente
    2. No caso do Labrador, desabilitar todas as otimizações GPU e as pertinentes a processadores Intel
  9. 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/<nome do arquivo>.whl

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 9 ( bazel --host_jvm ... )