Como instalar Pytorch e Tensorflow com GPU (de forma fácil)
Saiba de uma vez por todas como deixar tudo pronto em um piscar de olhos 😉
1. Introdução
Tratando-se de modelos de Deep Learning (DL), o uso da GPU pode acelerar bastante o treinamento e a inferência. Se comparado com a CPU pode haver ganhos entre 10x e 40x!
Então para extrair todo esse potencial, é importante saber como configurar a máquina para usar o processador gráfico. A forma convencional de fazer a GPU ser reconhecida é instalando o driver de vídeo, o CUDA e cuDNN manualmente. Porém, muitas pessoas acabam tendo problemas para instalar, e, posteriormente, para mudar de versão de acordo com cada projeto ou ambiente virtual.
Hoje ensinarei a maneira mais fácil de você conseguir configurar a GPU para os dois principais frameworks de DL: Pytorch e Tensorflow.
2. Preparação
Para esse tutorial iremos precisar apenas um ambiente virtual Conda. Podemos criar um chamado “tutorial-gpu” através dos seguintes comandos:
$ conda create -n tutorial-gpu python=3.10
$ conda activate tutorial-gpu
Pronto, pode seguir para a próxima seção 😁
3. Instalação dos frameworks
Agora com poucos passos podemos instalar o framework desejado. Basta seguir a subseção desejada!
3.1. Pytorch
Para o Pytorch, aqueles mais curiosos que já acessaram o site oficial já devem saber, pois fica lá escancarado!
Tudo o que você precisa fazer é entrar no site oficial e descer até encontrar a seguinte instrução:
Agora basta escolher conforme os requisitos da sua máquina. A única dica que dou é de escolher o “Package” como “Pip”, mesmo no caso de estar usando um ambiente virtual Conda.
Por fim, basta escolher qualquer “Computer Platform” com “CUDA” e rodar o comando fornecido!
Então seguindo o exemplo a cima, bastaria rodar o comando:
$ pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
Pronto, simples assim!
3.2. Tensorflow
Quem trabalha com Pytorch e Tensorflow e conhece a dica anterior, provavelmente já ficou triste do Tensorflow não ter essa opção simplificada 😅
Mas para quem usa o gerenciador de pacotes Conda, eu tenho uma ótima notícia!
Com ele você consegue instalar de forma super simples também!
A verdade é que essa dica sempre esteve escondida embaixo do seu nariz, pois na documentação oficial existe sim as instruções, basta ir na página Instale o Tensorflow com o pip.
No Windows basta primeiro instalar o CUDA e o cuDNN com:
$ conda install -c conda-forge cudatoolkit cudnn
E depois instalar o Tensorflow:
$ pip install tensorflow==2.10
Por fim, basta verificar a instalação com:
$ python -c "import tensorflow as tf; print(f'Num GPUs Available:', len(tf.config.list_physical_devices('GPU')))"
# Num GPUs Available: 1
E pronto, de maneira super fácil você agora tem o Tensorflow rodando com GPU!!
É importante informar que para Windows, a versão 2.10 foi a última compatível com GPU. Se você precisa de uma versão mais atual, uma boa alternativa para contornar esse problema é usar WSL ou Docker.
Já para Linux, mais alguns passos simples são necessários, que estão descritos na página da documentação mencionada anteriormente.
4. Conclusão
Hoje vimos como preparar um ambiente para rodar modelos com GPU somente usando gerenciadores de pacotes, tanto para Pytorch quanto para Tensorflow!
Fala sério, né?! Nunca foi tão fácil começar a usar a GPU para rodar seus modelos.
Então tá esperando o quê?! Compartilha essa dica com os amigos que passam perrengue para instalar! 😉