Como Instalar Python 3.8 e TensorFlow com ROCm no Ubuntu

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:

1. 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.

1. Instale o Git:

sudo apt install git

2. Clone o repositório oficial do TensorFlow Benchmarks:

git clone https://github.com/tensorflow/benchmarks

3. Navegue até o diretório do benchmark:

cd ./benchmarks/scripts/tf_cnn_benchmarks

4. 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):

Documentação Oficial ROCm HIP

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 👇

@canalqb no YouTube