Instalando o Tensorflow no Ubuntu

ubunutu

Sistema operacional Ubuntu.

Instalação do Tensorflow

Este guia explica como instalar o TensorFlow no Ubuntu. Embora essas instruções possam funcionar em outras variantes do Linux, elas são testadas e suportadas com os seguintes requisitos de sistema:

64-bit desktops or laptops
Ubuntu 16.04 or higher

Escolha a versão do TensorFlow para instalar

As seguintes variantes do TensorFlow estão disponíveis para instalação:

TensorFlow com suporte apenas para CPU. Se o seu sistema não tiver uma GPU da NVIDIA, você deverá instalar esta versão. Esta versão do TensorFlow é geralmente mais fácil de instalar, portanto, mesmo se você tiver uma GPU NVIDIA, recomendamos instalar esta versão primeiro.
TensorFlow com suporte para GPU. Os programas TensorFlow geralmente são executados muito mais rápido em uma GPU em comparação a uma CPU. Se você executa aplicativos de desempenho crítico e seu sistema possui uma GPU NVIDIA que atende aos pré-requisitos, você deve instalar esta versão.

Como instalar o Tensorflow

Existem algumas opções para instalar o TensorFlow em sua máquina:

Usando pip em um ambiente virtual (recomendado)
Usando pip em seu sistema
Configurando um contêiner do Docker
Usando pip no Anaconda

Usando `pip` em um ambiente virtual ↑

A ferramenta Virtualenv cria ambientes virtuais em Python que são isolados de outros ambientes de desenvolvimentos em Python na mesma máquina. Nesse cenário, você instala o Tensorflow e suas dependências em um ambiente virtual que está disponível quando for ativado. O Virtualenv fornece uma maneira confiável de instalar e executar o TensorFlow, evitando conflitos com o restante do sistema.

1. Instale o Python, pip e o VirtualEnv No Ubuntu, o Python é instalado automaticamente assim como o pip. Para confirmar as versões em python e pip, digite as seguintes linha no shell:

python -V  # or: python3 -V
pip -V     # or: pip3 -V

Para instalação desses pacotes, faça o seguinte:

sudo apt-get install python-pip python-dev python-virtualenv   # for Python 2.7
sudo apt-get install python3-pip python3-dev python-virtualenv # for Python 3.n

Recomenda-se usar o pip versão 8.1 ou superior. Se estiver usando uma versão antes de 8.1, atualize o pip:

sudo pip install -U pip

2. Crie um diretório para o ambiente virtual e escolha um interpretador Python

mkdir ~/tensorflow  # somewhere to work out of
cd ~/tensorflow
# Choose one of the following Python environments for the ./venv directory:
virtualenv --system-site-packages venv            # Use python default (Python 2.7)
virtualenv --system-site-packages -p python3 venv # Use Python 3.n

3. Ativar o ambiente virtual Use um desses comandos específicos do shell para ativar o ambiente virtual:

source ~/tensorflow/venv/bin/activate      # bash, sh, ksh, or zsh
source ~/tensorflow/venv/bin/activate.csh  # csh or tcsh
. ~/tensorflow/venv/bin/activate.fish      # fish

Quando o Virtualenv é ativado, o prompt do shell é exibido como (venv) $.

4. Atualize o pip no ambiente virtual Dentro do ambiente virtual ativo, atualize o pip:

(venv)$ pip install -U pip

Você pode instalar outros pacotes do Python dentro do ambiente virtual sem afetar pacotes fora do Virtualenv.

5. Instalar o Tensorflow no ambiente virtual Escolha um dos pacotes TensorFlow disponíveis para instalação:

tensorflow — Versão atual para CPU
tensorflow-gpu — Versão atual para GPU
tf-nightly — Versão diária para CPU
tf-nightly-gpu — Versão diária para GPU

Dentro de um ambiente Virtualenv ativo, use pip para instalar o pacote:

pip install -U tensorflow

Use pip list para mostrar os pacotes instalados no ambiente virtual. Valide a instalação e teste a versão:

(venv)$ python -c "import tensorflow as tf; print(tf.__version__)"

Use o comando deactivate para parar o ambiente virtual do Python.

Possíveis problemas Se as etapas acima falharam, tente instalar o pacote binário do TensorFlow usando o URL remoto do pacote pip:

(venv)$ pip install --upgrade remote-pkg-URL   # Python 2.7
(venv)$ pip3 install --upgrade remote-pkg-URL  # Python 3.n

Veja a lista de problemas mais comuns da documentação oficial se você encontrar problemas na instalação.

Desinstalar o Tensorflow Para desinstalar o TensorFlow, remova o diretório Virtualenv que você criou na etapa 2:

deactivate  # stop the virtualenv
rm -r ~/tensorflow/venv

Usando `pip` em seu sistema ↑

Use o pip para instalar o pacote TensorFlow diretamente em seu sistema sem usar um contêiner ou ambiente virtual para isolamento. Esse método é recomendado para administradores de sistemas que desejam uma instalação do TensorFlow que esteja disponível para todos em um sistema multiusuário.

Como uma instalação do sistema não é isolada, ela poderia interferir em outras instalações baseadas em Python. Mas se você entender o pip e seu ambiente Python, uma instalação de pip do sistema é tranquila.

1. Instale o Python, pip No Ubuntu, o Python é instalado automaticamente assim como o pip. Para confirmar as versões em python e pip, digite as seguintes linha no shell:

python -V  # or: python3 -V
pip -V     # or: pip3 -V

Para instalação desses pacotes, faça o seguinte:

sudo apt-get install python-pip python-dev   # for Python 2.7
sudo apt-get install python3-pip python3-dev # for Python 3.n

Recomenda-se usar o pip versão 8.1 ou superior. Se estiver usando uma versão antes de 8.1, atualize o pip:

sudo pip install -U pip

2. Atualize o pip em seu sistema

(venv)$ sudo pip install -U pip

3. Instalar o Tensorflow em seu sistema Escolha um dos pacotes TensorFlow disponíveis para instalação:

tensorflow — Versão atual para CPU
tensorflow-gpu — Versão atual para GPU
tf-nightly — Versão diária para CPU
tf-nightly-gpu — Versão diária para GPU

Use pip para instalar o pacote:

sudo pip install -U tensorflow   # Python 2.7
sudo pip3 install -U tensorflow  # Python 3.n

Use pip list para mostrar os pacotes instalados no ambiente virtual. Valide a instalação e teste a versão:

(venv)$ python -c "import tensorflow as tf; print(tf.__version__)"

Possíveis problemas Se as etapas acima falharam, tente instalar o pacote binário do TensorFlow usando o URL remoto do pacote pip:

(venv)$ sudo pip install --upgrade remote-pkg-URL   # Python 2.7
(venv)$ sudo pip3 install --upgrade remote-pkg-URL  # Python 3.n

Veja a lista de problemas mais comuns da documentação oficial se você encontrar problemas na instalação.

Desinstalar o Tensorflow Para desinstalar o TensorFlow de seu sistema, use um dos seguintes comandos:

sudo pip uninstall tensorflow   # for Python 2.7
sudo pip3 uninstall tensorflow  # for Python 3.n

Configurando um container do Docker ↑

O Docker isola completamente a instalação do TensorFlow de pacotes pré-existentes em sua máquina. O contêiner do Docker contém o TensorFlow e todas as suas dependências, isso pode deixar a instalação um pouco pesada. Você pode optar pela instalação via Docker se estiver incorporando o TensorFlow em uma arquitetura de aplicativo maior que já usa o Docker.

Siga os seguintes passos para instalar o TensorFlow através do Docker:

Instale o Docker na sua máquina, conforme descrito na documentação do Docker, que pode ser encontrada facilmente pesquisando no Google.
Opcionalmente, crie um grupo do Linux chamado docker para permitir a inicialização de contêineres sem o sudo, conforme descrito na documentação do Docker. (Se você não fizer este passo, você terá que usar o sudo toda vez que invocar o Docker.)
Para instalar uma versão do TensorFlow que suporte GPUs, você deve primeiro instalar o nvidia-docker, que é armazenado no github.
Ative um contêiner do Docker que contenha uma das imagens binárias do TensorFlow.

O restante desta seção explica como iniciar um contêiner do Docker.

Somente CPU

Para iniciar um contêiner Docker com suporte apenas à CPU (ou seja, sem suporte a GPU), insira um comando do seguinte formato:

$ docker run -it -p hostPort:containerPort TensorFlowCPUImage

É importante destacar que o parâmetro -p hostPort: containerPort é opcional. Se você planeja executar programas do TensorFlow a partir do shell, omita essa opção. Se você planeja executar programas TensorFlow como notebooks Jupyter, defina hostPort e containerPort como 8888. Se desejar executar o TensorBoard dentro do contêiner, adicione um segundo sinalizador -p, configurando hostPort e containerPort como 6006.

Em contrapartida, o parâmetro TensorFlowCPUImage é necessário. Ele identifica o contêiner do Docker. Especifique um dos seguintes valores:

tensorflow / tensorflow, que é a imagem binária da CPU do TensorFlow.
tensorflow / tensorflow: latest-devel, que é a última imagem binária do CPU TensorFlow mais o código fonte.
tensorflow / tensorflow: version, que é a versão especificada (por exemplo, 1.1.0rc1) da imagem binária da CPU do TensorFlow.
tensorflow / tensorflow: version-devel, que é a versão especificada (por exemplo, 1.1.0rc1) da imagem binária da CPU TensorFlow mais o código fonte.

Por exemplo, o seguinte comando lança a imagem binária da CPU mais recente do TensorFlow em um contêiner do Docker a partir do qual você pode executar programas do TensorFlow em um shell:

$ docker run -it tensorflow/tensorflow bash

Entretanto, se você quiser ativar a ultima imagem do binária da CPU mais recente do Tensorflow que rode em um Jupiter notebook, use o seguinte comando:

$ docker run -it -p 8888:8888 tensorflow/tensorflow

O Docker baixará a imagem binária do TensorFlow na primeira vez que você a iniciar.

suporte à GPU

Para iniciar um contêiner Docker com suporte à GPU NVidia, use um comando do seguinte formato (isso não requer instalação local CUDA):

$ nvidia-docker run -it -p hostPort:containerPort TensorFlowGPUImage

Em contrapartida, o parâmetro TensorFlowGPUImage é necessário. Ele identifica o contêiner do Docker. Especifique um dos seguintes valores:

tensorflow / tensorflow: latest-gpu, que é a imagem binária da GPU do TensorFlow.
tensorflow / tensorflow: latest-devel-gpu, que é a última imagem binária do GPU TensorFlow mais o código fonte.
tensorflow / tensorflow: version-gpu, que é a versão especificada (por exemplo, 1.1.0rc1) da imagem binária da GPU do TensorFlow.
tensorflow / tensorflow: version-devel-gpu, que é a versão especificada (por exemplo, 1.1.0rc1) da imagem binária da GPU TensorFlow mais o código fonte.

Alguns exemplos:

$ nvidia-docker run -it tensorflow/tensorflow:latest-gpu bash
$ nvidia-docker run -it -p 8888:8888 tensorflow/tensorflow:latest-gpu
$ nvidia-docker run -it -p 8888:8888 tensorflow/tensorflow:0.12.1-gpu

Também para o suporte a GPU, o O Docker fará o download da imagem binária TensorFlow na primeira vez que você a iniciar.

Usando `pip` no Anaconda ↑

O Anaconda fornece o utilitário conda para criar um ambiente virtual. No entanto, dentro do Anaconda, recomendamos a instalação do TensorFlow usando o comando pip install e não com o comando conda install. A documentação oficial do TensorFlow alerta que esse utilitário é um serviço oferecido pela comunidade e que não é mantido oficialmente pela equipe do Tensorflow, então você deve instalá-lo por sua conta e risco.

Siga os seguintes passos para instalar o TensorFlow em um ambiente Anaconda:

Siga as instruções no site de download do Anaconda para a instalação.
Crie um ambiente conda chamado tensorflow para executar uma versão do Python, através do seguinte comando:
```
$ conda create -n tensorflow pip python=2.7 # or python=3.3, etc.
```

Ative o ambiente conda com seguinte comando:

$ source activate tensorflow
 (tensorflow)$  # Your prompt should change 

Digite um comando do seguinte formato para instalar o TensorFlow dentro do seu ambiente conda:

(tensorflow)$ pip install --ignore-installed --upgrade tfBinaryURL

em que tfBinaryURL é a URL do pacote do TensorFlow em Python. Por exemplo, o comando a seguir instala a versão somente da CPU do TensorFlow for Python 3.4:

(tensorflow)$ pip install --ignore-installed --upgrade 

 https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.10.1-cp34-cp34m-linux_x86_64.whl

Valide sua instalação

Certifique-se de que seu ambiente esteja preparado para executar programas do TensorFlow.
Execute um programa curto do TensorFlow.

Se você instalou no pip nativo, Virtualenv ou Anaconda, faça o seguinte:

Abra um terminal.
Se você instalou com o Virtualenv ou o Anaconda, ative seu contêiner.
Se você instalou o código-fonte do TensorFlow, navegue até qualquer diretório, exceto um que contenha o código-fonte do TensorFlow.

Se você instalou pelo Docker, inicie um contêiner do Docker a partir do qual você pode executar o bash. Por exemplo:

$ docker run -it tensorflow/tensorflow bash

Então, invoque python do seu shell da seguinte maneira:

$ python

Digite o seguinte programinha dentro do shell interativo do python:

# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

Se o sistema gerar o seguinte, você estará pronto para começar a escrever os programas do TensorFlow:

Hello, TensorFlow!

Se o sistema emitir uma mensagem de erro em vez de uma saudação, consulte os problemas comuns de instalação na documentação oficial.