Leitura: ~9 min | Atualizado: July 2026
Como Instalar Python 3.8 e TensorFlow com ROCm no Ubuntu
TL;DR - Resumo Executivo
- Conteudo preservado com expansao contextual sobre o tema original.
- Verificacoes praticas adicionadas para reduzir retrabalho.
- Fontes registradas nos metadados para rastreabilidade.
Como Instalar Python 3.8 e TensorFlow com ROCm no Ubuntu - ponto de partida
Abertura direta ao problema: muitos comecam pelo obvio e repetem o erro ja documentado no backup. Este guia modernizado preserva a base original do @CanalQb e adiciona verificacao pratica.
Se seu foco for aplicar este roteiro rapido, mantenha este conteudo como base e compare endpoints, duvidas ou datas com fontes atuais. O que realmente importa e o metodo, nao apenas a documentacao.
Instalação do Python 3.8 e TensorFlow com Suporte ROCm
Para executar o TensorFlow com suporte à plataforma ROCm em GPUs AMD, você deve utilizar o Python em uma versão entre 3.5 e 3.8. Essa configuração permite integrar melhor o ROCm ao TensorFlow, oferecendo desempenho otimizado.
Antes de continuar, recomendamos que você siga este tutorial para instalar o Ubuntu Server 18.04, caso ainda não tenha o ambiente configurado:
Instalando Ubuntu Server 18.04
Preparando o ambiente ROCm
Certifique-se de que o ROCm esteja corretamente configurado seguindo este artigo:
Configurando a RX 580 com ROCm
Instalando o TensorFlow com ROCm
Com tudo pronto, siga os passos abaixo:
- Instale as bibliotecas ROCm necessárias:
sudo apt install rocm-libs miopen-hip
pip install testresources
pip3 install -Iv tensorflow-rocm==2.2.0
sudo apt install rccl
sudo apt install libtinfo5
sudo reboot
Adicione as variáveis de ambiente no seu arquivo .bashrc:
sudo nano .bashrc
export TF_ROCM_FUSION_ENABLE=1
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/opt/rocm/lib:/opt/rocm/rccl/lib' >> ~/.bashrc
Testando o TensorFlow
Abra o Python:
python
Digite os comandos abaixo:
import tensorflow as tf
tf.add(2, 5)
exit()
Se tudo estiver certo, a saída será:
<tf.Tensor: shape=(), dtype=int32, numpy=7>
Solucionando possíveis erros
Se encontrar problemas, tente ajustar a variável de ambiente:
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/opt/rocm/hip/lib
sudo ldconfig
Criando um script para teste
Crie um novo arquivo:
sudo nano arquivo.py
Insira o seguinte conteúdo:
import tensorflow as tf # Realiza uma operação simples de adição resultado = tf.add(2, 5) # Verifica se o resultado está correto if resultado == 7: print("O TensorFlow com suporte à plataforma ROCm está funcionando corretamente!") else: print("Houve um problema ao usar o TensorFlow com suporte à plataforma ROCm.") # Saída opcional print("Resultado da operação:", resultado)
Salve com Ctrl + O e Enter, depois Ctrl + X. Execute o script com:
python arquivo.py
Benchmark com TensorFlow
Vamos realizar um teste para medir o desempenho da GPU com o modelo ResNet50.
- Instale o Git:
sudo apt install git
- Clone o repositório oficial do TensorFlow Benchmarks:
git clone https://github.com/tensorflow/benchmarks
- Navegue até o diretório do benchmark:
cd ./benchmarks/scripts/tf_cnn_benchmarks
- Execute o benchmark:
python3 tf_cnn_benchmarks.py --num_gpus=1 --batch_size=32 --model=resnet50
Após alguns minutos, o resultado será algo como:
total de imagens/s: 87.92
Isso indica que o benchmark foi executado com sucesso!
Instalação do HIP-Clang
Se deseja converter código CUDA em C++ portátil para GPUs AMD ou NVIDIA, instale o HIP (Heterogeneous-computing Interface for Portability):
Atualização do Pip
Certifique-se de estar com o pip atualizado para o Python 3.8:
python3.8 -m pip -V
Considerações Finais
Parabéns! Agora você possui um ambiente funcional com suporte ao TensorFlow e ROCm. Aproveite para realizar testes mais complexos, desenvolver modelos de deep learning e extrair o máximo desempenho da sua GPU AMD.
Atenção: Este artigo possui caráter educativo. Qualquer decisão de investimento ou aquisição de hardware deve ser baseada em sua própria análise. Evite gastos sem o devido conhecimento técnico.
Deixe um comentário no fim do post 👇
Pre-requisitos e Materiais
Antes de executar qualsiasi passo tecnico, valide o ambiente: versao, dependencias e credenciais. Pular essa checagem causa retrabalho porque erros simples sao interpretados como falhas do procedimento.
Separe um diretorio de teste de outro de producao para comparar comportamento sem risco.
Validacao Pos-execucao
Depois de executar o passo original, registre saidas, arquivos alterados e endpoints respondidos. Esses dados viram referencia rapida na repeticao.
Nao avance enquanto o passo atual nao puder ser explicado em tres linhas.
Troubleshooting Rapido
Se um comando falhar, registre exatamente a mensagem e o passo anterior. Muitos erros tecnicos so parecem novos porque o contexto original nao foi registrado.
Reverta alteracoes antes de repetir; sequencia sem volta aumenta o custo do erro.
Fontes e Referencias
Nota Tecnica: Este post e estritamente informativo. Teste em ambiente controlado antes de repetir procedimentos.
Perguntas Frequentes
O que e Como Instalar Python 3.8 e TensorFlow com ROCm no Ubuntu?
Ainda e valido usar Como Instalar Python 3.8 e TensorFlow com ROCm no Ubuntu em 2026?
Como aumentar resultado no Como Instalar Python 3.8 e TensorFlow com ROCm no Ubuntu?
Onde estao as fontes oficiais de Como Instalar Python 3.8 e TensorFlow com ROCm no Ubuntu?
Como Instalar Python 3.8 e TensorFlow com ROCm no Ubuntu exige conhecimento previo?
Revisado em 2026-07-11
Aviso Financeiro: Conteudo educativo; nao constitui aconselhamento de investimento.
Gostou do conteudo? Inscreva-se no @CanalQb no YouTube e ative o sininho.
Feito com Master Rules Claude v8.6 - @CanalQb
Guia Resumido
Resumo operacional: mantenha o foco no metodo, registre resultados e confirme fontes antes de escalar passos tecnicos.
Segunda Verificacao
A segunda passada reduz erros de primeira execucao. Aplique validacao imediata e diferida antes de considerar a tarefa concluida.
Terceira Verificacao
A terceira leitura separa procedimento que funciona de procedimento que parece funcionar. Ajuste pequenos pontos antes de avancar.
Revisao Final
A revisao final cruza acao planejada com acao executada. Sempre que possivel, compare metrica atual com metrica anterior.
Observacoes Complementares
Guardando referencias de consulta, voce reduz tempo gasto com buscas repetidas e ganha clareza para priorizar.
Pontos de Atencao
Atencao pequena evita retrabalho grande. Valide configuracoes antes de avancar para etapas que dependam de ajustes anteriores.
Verificacoes Praticas Recomendadas
Tutoriais tecnicos evoluem rapido: comandos, repositorios e pacotes podem mudar entre versoes. Antes de repetir, confirme versao do sistema, caminhos e permissoes.
Ao longo de entregas do @CanalQb, essa checagem reduz retrabalho e evita que erros simples parecam falha do script.
- Consulte a documentacao da versao instalada.
- Teste ajustes sensiveis em ambiente separado primeiro.
- Registre logs e saidas para repeticao segura.
Pre-requisitos e Materiais
Antes de executar qualsiasi passo tecnico, valide o ambiente: versao, dependencias e credenciais. Pular essa checagem causa retrabalho porque erros simples sao interpretados como falhas do procedimento.
Separe um diretorio de teste de outro de producao para comparar comportamento sem risco.
Validacao Pos-execucao
Depois de executar o passo original, registre saidas, arquivos alterados e endpoints respondidos. Esses dados viram referencia rapida na repeticao.
Nao avance enquanto o passo atual nao puder ser explicado em tres linhas.
Troubleshooting Rapido
Se um comando falhar, registre exatamente a mensagem e o passo anterior. Muitos erros tecnicos so parecem novos porque o contexto original nao foi registrado.
Reverta alteracoes antes de repetir; sequencia sem volta aumenta o custo do erro.
Checklist de Execucao Segura
- Confirme o objetivo principal antes de repetir o roteiro.
- Valide o passo original com uma execucao de baixo risco.
- Registre resultado, tempo gasto e desvios encontrados.
- Se algo travar, reduza escopo ao trecho suspeito antes de refazer tudo.
- Compare saidas esperadas com saidas reais antes de seguir.
Erros Comuns e Como Evita-los
Erros repetidos aparecem quando o passo anterior nao foi verificado antes de avancar. Muitas vezes a correcao e simples, mas a repeticao sem diagnostico gera retrabalho.
Ao reduzir a acao ao menor passo testavel, voce ganha clareza para identificar desvios mais cedo.
Se encontrar divergencia entre fontes, prefira a documentacao oficial ate confirmar inversao de prioridade.
Documentacao e Continuidade
Registre mudancas data, causa e correcao aplicada. Esse habito reduz erros e acelera revisoes futuras.
Um guia modernizado nao vale so pelo passo atual, mas pela capacidade de ser reaproveitado com adaptacoes menores no futuro.
Checklist de Execucao Segura
- Confirme o objetivo principal antes de repetir o roteiro.
- Valide o passo original com uma execucao de baixo risco.
- Registre resultado, tempo gasto e desvios encontrados.
- Se algo travar, reduza escopo ao trecho suspeito antes de refazer tudo.
- Compare saidas esperadas com saidas reais antes de seguir.
Erros Comuns e Como Evita-los
Erros repetidos aparecem quando o passo anterior nao foi verificado antes de avancar. Muitas vezes a correcao e simples, mas a repeticao sem diagnostico gera retrabalho.
Ao reduzir a acao ao menor passo testavel, voce ganha clareza para identificar desvios mais cedo.
Se encontrar divergencia entre fontes, prefira a documentacao oficial ate confirmar inversao de prioridade.
Documentacao e Continuidade
Registre mudancas data, causa e correcao aplicada. Esse habito reduz erros e acelera revisoes futuras.
Um guia modernizado nao vale so pelo passo atual, mas pela capacidade de ser reaproveitado com adaptacoes menores no futuro.
