Ce guide concerne la dernière version stable de TensorFlow. Pour la version préliminaire (nightly) , utilisez le package pip tf-nightly . Consultez ces tableaux pour connaître la configuration requise pour les versions antérieures de TensorFlow. Pour la version CPU uniquement, utilisez le package pip tensorflow-cpu .
Voici les versions rapides des commandes d'installation. Faites défiler vers le bas pour les instructions étape par étape.
Linux
python3 -m pip install 'tensorflow[and-cuda]'
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
macOS
# There is currently no official GPU support for MacOS.
python3 -m pip install tensorflow
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Windows natif
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
# Anything above 2.10 is not supported on the GPU on Windows Native
python -m pip install "tensorflow<2.11"
# Verify the installation:
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Windows WSL2
python3 -m pip install tensorflow[and-cuda]
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
processeur
python3 -m pip install tensorflow
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Chaque nuit
python3 -m pip install tf-nightly
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Configuration matérielle requise
Les appareils compatibles GPU suivants sont pris en charge :
- Carte GPU NVIDIA® avec architectures CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 et supérieures. Consultez la liste des cartes GPU compatibles CUDA® .
- Pour les GPU avec des architectures CUDA® non prises en charge, ou pour éviter la compilation JIT à partir de PTX, ou pour utiliser différentes versions des bibliothèques NVIDIA®, consultez le guide de compilation Linux à partir de la source .
- Les packages ne contiennent pas de code PTX, sauf pour la dernière architecture CUDA® prise en charge ; par conséquent, TensorFlow ne se charge pas sur les anciens GPU lorsque
CUDA_FORCE_PTX_JIT=1est défini. (Voir Compatibilité des applications pour plus de détails.)
Configuration requise
- Ubuntu 16.04 ou supérieur (64 bits)
- macOS 12.0 (Monterey) ou supérieur (64 bits) (pas de prise en charge GPU)
- Windows natif - Windows 7 ou supérieur (64 bits) (pas de prise en charge GPU après TF 2.10)
- Windows WSL2 - Windows 10 19044 ou supérieur (64 bits)
Configuration logicielle requise
- Python 3.9–3.12
- pip version 19.0 ou supérieure pour Linux (nécessite la prise en charge
manylinux2014) et Windows. pip version 20.3 ou supérieure pour macOS. - Windows Native nécessite Microsoft Visual C++ Redistributable pour Visual Studio 2015, 2017 et 2019
Les logiciels NVIDIA® suivants sont uniquement requis pour la prise en charge du GPU.
- Pilotes GPU NVIDIA®
- >= 525.60.13 pour Linux
- >= 528,33 pour WSL sous Windows
- Boîte à outils CUDA® 12.3 .
- Kit de développement logiciel cuDNN 8.9.7 .
- (Facultatif) TensorRT pour améliorer la latence et le débit pour l'inférence.
Instructions étape par étape
Linux
1. Configuration requise
- Ubuntu 16.04 ou supérieur (64 bits)
TensorFlow ne prend officiellement en charge qu'Ubuntu. Cependant, les instructions suivantes peuvent également fonctionner pour d'autres distributions Linux.
2. Configuration du GPU
Vous pouvez ignorer cette section si vous exécutez uniquement TensorFlow sur le processeur.
Installez le pilote GPU NVIDIA si ce n'est pas déjà fait. Vous pouvez utiliser la commande suivante pour vérifier son installation.
nvidia-smi
3. Créez un environnement virtuel avec venv
Le module venv fait partie de la bibliothèque standard de Python et constitue le moyen officiellement recommandé pour créer des environnements virtuels.
Accédez au répertoire d’environnements virtuels souhaité et créez un nouvel environnement venv nommé tf avec la commande suivante.
python3 -m venv tf
Vous pouvez l'activer avec la commande suivante.
source tf/bin/activate
Assurez-vous que l'environnement virtuel est activé pour le reste de l'installation.
4. Installer TensorFlow
TensorFlow nécessite une version récente de pip, alors mettez à niveau votre installation pip pour être sûr d'exécuter la dernière version.
pip install --upgrade pip
Ensuite, installez TensorFlow avec pip.
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
6. Vérifiez l'installation
Vérifiez la configuration du processeur :
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Si un tenseur est renvoyé, vous avez installé TensorFlow avec succès.
Vérifiez la configuration du GPU :
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Si une liste de périphériques GPU s'affiche, l'installation de TensorFlow a réussi. Sinon, passez à l'étape suivante .
6. [GPU uniquement] Configuration de l'environnement virtuel
Si le test GPU de la section précédente a échoué, la cause la plus probable est que des composants ne sont pas détectés et/ou entrent en conflit avec l'installation CUDA existante du système. Vous devez donc ajouter des liens symboliques pour résoudre ce problème.
- Créer des liens symboliques vers les bibliothèques partagées NVIDIA :
pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd
- Créer un lien symbolique vers ptxas :
ln -sf $(find $(dirname $(dirname $(python -c "import nvidia.cuda_nvcc;
print(nvidia.cuda_nvcc.__file__)"))/*/bin/) -name ptxas -print -quit) $VIRTUAL_ENV/bin/ptxas
Vérifiez la configuration du GPU :
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
macOS
1. Configuration requise
- macOS 10.12.6 (Sierra) ou supérieur (64 bits)
Actuellement, il n'existe pas de prise en charge GPU officielle pour l'exécution de TensorFlow sur macOS. Les instructions suivantes concernent l'exécution sur CPU.
2. Vérifiez la version Python
Vérifiez si votre environnement Python est déjà configuré :
python3 --version
python3 -m pip --version
3. Installer TensorFlow
TensorFlow nécessite une version récente de pip, alors mettez à niveau votre installation pip pour être sûr d'exécuter la dernière version.
pip install --upgrade pip
Ensuite, installez TensorFlow avec pip.
pip install tensorflow
4. Vérifiez l'installation
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Si un tenseur est renvoyé, vous avez installé TensorFlow avec succès.
Windows natif
1. Configuration requise
- Windows 7 ou supérieur (64 bits)
2. Installez Microsoft Visual C++ Redistributable
Installez le redistribuable Microsoft Visual C++ pour Visual Studio 2015, 2017 et 2019. À partir de la version TensorFlow 2.1.0, le fichier msvcp140_1.dll est requis pour ce package (il peut ne pas être fourni avec les anciens packages redistribuables). Le redistribuable est fourni avec Visual Studio 2019 , mais peut être installé séparément :
- Accédez aux téléchargements de Microsoft Visual C++ .
- Faites défiler la page jusqu’à la section Visual Studio 2015, 2017 et 2019 .
- Téléchargez et installez le redistribuable Microsoft Visual C++ pour Visual Studio 2015, 2017 et 2019 pour votre plateforme.
Assurez-vous que les chemins longs sont activés sous Windows.
3. Installer Miniconda
Miniconda est l'approche recommandée pour installer TensorFlow avec prise en charge GPU. Elle crée un environnement distinct pour éviter de modifier les logiciels installés sur votre système. C'est également la méthode la plus simple pour installer les logiciels requis, notamment pour la configuration GPU.
Téléchargez le programme d'installation Windows de Miniconda . Double-cliquez sur le fichier téléchargé et suivez les instructions à l'écran.
4. Créez un environnement conda
Créez un nouvel environnement conda nommé tf avec la commande suivante.
conda create --name tf python=3.9
Vous pouvez le désactiver et l'activer avec les commandes suivantes.
conda deactivate
conda activate tf
Assurez-vous qu'il est activé pour le reste de l'installation.
5. Configuration du GPU
Vous pouvez ignorer cette section si vous exécutez uniquement TensorFlow sur le processeur.
Installez d’abord le pilote GPU NVIDIA si vous ne l’avez pas encore fait.
Ensuite, installez CUDA, cuDNN avec conda.
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
6. Installer TensorFlow
TensorFlow nécessite une version récente de pip, alors mettez à niveau votre installation pip pour être sûr d'exécuter la dernière version.
pip install --upgrade pip
Ensuite, installez TensorFlow avec pip.
# Anything above 2.10 is not supported on the GPU on Windows Native
pip install "tensorflow<2.11"
7. Vérifiez l'installation
Vérifiez la configuration du processeur :
python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Si un tenseur est renvoyé, vous avez installé TensorFlow avec succès.
Vérifiez la configuration du GPU :
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Si une liste de périphériques GPU est renvoyée, vous avez installé TensorFlow avec succès.
Windows WSL2
1. Configuration requise
- Windows 10 19044 ou version ultérieure (64 bits). Cela correspond à Windows 10 version 21H2, mise à jour de novembre 2021.
Consultez les documents suivants pour :
- Téléchargez la dernière mise à jour de Windows 10 .
- Installer WSL2
- Configurer la prise en charge du GPU NVIDIA® dans WSL2
2. Configuration du GPU
Vous pouvez ignorer cette section si vous exécutez uniquement TensorFlow sur le processeur.
Installez le pilote GPU NVIDIA si ce n'est pas déjà fait. Vous pouvez utiliser la commande suivante pour vérifier son installation.
nvidia-smi
3. Installer TensorFlow
TensorFlow nécessite une version récente de pip, alors mettez à niveau votre installation pip pour être sûr d'exécuter la dernière version.
pip install --upgrade pip
Ensuite, installez TensorFlow avec pip.
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
4. Vérifiez l'installation
Vérifiez la configuration du processeur :
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Si un tenseur est renvoyé, vous avez installé TensorFlow avec succès.
Vérifiez la configuration du GPU :
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Si une liste de périphériques GPU est renvoyée, vous avez installé TensorFlow avec succès.
Emplacement du colis
Certains mécanismes d'installation nécessitent l'URL du package Python TensorFlow. La valeur à spécifier dépend de votre version de Python.