Como instalar e configurar o Tensorflow/Keras com suporte para CPU e GPU no Windows
Introdução
Em um artigo anterior vimos uma visão geral sobre as CPUs e as GPUs. Nesse artigo, você verá como instalar e configurar o Tensorflow/Keras com suporte para CPU e GPU no Windows.
O processo é simples, mas é preciso ficar atento com a compatibilidade de versões de todos os pacotes e softwares necessários.
Pré-requisito:
É necessário ter instalados na sua máquina:
1º passo: baixar e instalar o Anacoda
A melhor opção para fazer esse processo é por meio do ambiente Anaconda. Você pode baixá-lo clicando no link a seguir:
Nota: Anaconda é uma plataforma de distribuição Python, de código aberto, e com uma série de ferramentas para o desenvolvimento de projetos em inteligência artificial integradas.
2º passo: abra o Anaconda Prompt
Feito isso, na barra de pesquisa do Windows digite “Anaconda Prompt”.
3º passo: crie um ambiente Anaconda
Você deve garantir que o TensorFlow tenha a versão do Python compatível. A melhor maneira de fazer isso é criar um ambiente Anaconda. Cada ambiente que você cria pode ter sua própria versão Python, de drivers e bibliotecas Python.
O comando a seguir cria um ambiente chamado “tensorflow” para a versão Python 3.9. Você pode nomeá-lo como quiser.
conda create –n tensorflow python=3.9
Para entrar neste ambiente, você deve usar o seguinte comando:
conda activate tensorflow
Vamos agora adicionar suporte ao Jupyter ao seu novo ambiente.
conda install -c conda-forge nb_conda
4º passo: instale o TensorFlow para GPU e CPU
O comando a seguir instala o TensorFlow para suporte a GPU. Todas as instalações de driver complexas devem ser tratadas por este comando.
conda install -c anaconda tensorflow-gpu
5º passo: registre seu ambiente
O comando a seguir registra seu ambiente “tensorflow”. Novamente, certifique-se de “conda ativar” seu novo ambiente “tensorflow”.
python -m ipykernel install –user –name tensorflow –display-name “Python 3.9 (tensorflow)”
6º passo: teste seu ambiente
Agora você pode iniciar o notebook Jupyter. Use o seguinte comando.
jupyter notebook
Em seguida, copie o seguinte código em uma das células do Jupyter Notebook
Muito obrigado por ler esse artigo.
Caso tenha interesse, você pode me encontrar no GitHub e LinkedIn.
Comments powered by Disqus.