คู่มือนี้ใช้สำหรับ TensorFlow เวอร์ชันเสถียรล่าสุด สำหรับบิลด์ตัวอย่าง (nightly) ให้ใช้แพ็กเกจ pip ชื่อ tf-nightly โปรดดู ตารางเหล่านี้ สำหรับข้อกำหนดเวอร์ชันเก่าของ TensorFlow สำหรับบิลด์ที่ใช้ CPU อย่างเดียว ให้ใช้แพ็กเกจ pip ชื่อ tensorflow-cpu
นี่คือคำสั่งติดตั้งเวอร์ชันย่อ เลื่อนลงเพื่อดูคำแนะนำทีละขั้นตอน
ลินุกซ์
python3 -m pip install 'tensorflow[and-cuda]'
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
แมคโอเอส
# 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])))"
วินโดวส์เนทีฟ
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'))"
วินโดวส์ WSL2
python3 -m pip install tensorflow[and-cuda]
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
ซีพียู
python3 -m pip install tensorflow
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
ทุกคืน
python3 -m pip install tf-nightly
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
ข้อกำหนดด้านฮาร์ดแวร์
รองรับอุปกรณ์ที่รองรับ GPU ต่อไปนี้:
- การ์ด GPU NVIDIA® ที่มีสถาปัตยกรรม CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 และสูงกว่า ดูรายการ การ์ด GPU ที่รองรับ CUDA®
- สำหรับ GPU ที่มีสถาปัตยกรรม CUDA® ที่ไม่ได้รับการสนับสนุน หรือเพื่อหลีกเลี่ยงการคอมไพล์ JIT จาก PTX หรือเพื่อใช้ไลบรารี NVIDIA® เวอร์ชันอื่น โปรดดูคู่มือ การสร้าง Linux จากแหล่งที่มา
- แพ็คเกจไม่มีโค้ด PTX ยกเว้นสถาปัตยกรรม CUDA® ที่รองรับล่าสุด ดังนั้น TensorFlow จึงไม่สามารถโหลดบน GPU รุ่นเก่าได้เมื่อตั้งค่า
CUDA_FORCE_PTX_JIT=1(ดูรายละเอียดในหัวข้อ ความเข้ากันได้ของแอปพลิเคชัน )
ข้อกำหนดของระบบ
- Ubuntu 16.04 หรือสูงกว่า (64 บิต)
- macOS 12.0 (Monterey) หรือสูงกว่า (64 บิต) (ไม่รองรับ GPU)
- Windows Native - Windows 7 หรือสูงกว่า (64 บิต) (ไม่รองรับ GPU หลังจาก TF 2.10)
- Windows WSL2 - Windows 10 19044 หรือสูงกว่า (64 บิต)
ข้อกำหนดของซอฟต์แวร์
- ไพธอน 3.9–3.12
- pip เวอร์ชัน 19.0 ขึ้นไปสำหรับ Linux (ต้องรองรับ
manylinux2014) และ Windows pip เวอร์ชัน 20.3 ขึ้นไปสำหรับ macOS - Windows Native ต้องใช้ Microsoft Visual C++ Redistributable สำหรับ Visual Studio 2015, 2017 และ 2019
ซอฟต์แวร์ NVIDIA® ต่อไปนี้จำเป็นสำหรับการรองรับ GPU เท่านั้น
- ไดรเวอร์ GPU ของ NVIDIA®
- >= 525.60.13 สำหรับ Linux
- >= 528.33 สำหรับ WSL บน Windows
- ชุดเครื่องมือ CUDA® 12.3
- cuDNN SDK 8.9.7
- (ทางเลือก) TensorRT เพื่อปรับปรุงเวลาแฝงและปริมาณงานสำหรับการอนุมาน
คำแนะนำทีละขั้นตอน
ลินุกซ์
1. ข้อกำหนดของระบบ
- Ubuntu 16.04 หรือสูงกว่า (64 บิต)
TensorFlow รองรับเฉพาะ Ubuntu อย่างเป็นทางการเท่านั้น อย่างไรก็ตาม คำแนะนำต่อไปนี้อาจใช้ได้กับ Linux distro อื่นๆ ด้วย
2. การตั้งค่า GPU
คุณสามารถข้ามส่วนนี้ได้หากคุณรัน TensorFlow บน CPU เท่านั้น
ติดตั้ง ไดรเวอร์ GPU ของ NVIDIA หากยังไม่ได้ติดตั้ง คุณสามารถใช้คำสั่งต่อไปนี้เพื่อตรวจสอบว่าติดตั้งแล้วหรือไม่
nvidia-smi
3. สร้างสภาพแวดล้อมเสมือนจริงด้วย venv
โมดูล venv เป็นส่วนหนึ่งของไลบรารีมาตรฐานของ Python และเป็นวิธีที่แนะนำอย่างเป็นทางการในการสร้างสภาพแวดล้อมเสมือน
ไปที่ไดเร็กทอรีสภาพแวดล้อมเสมือนที่คุณต้องการและสร้างสภาพแวดล้อม venv ใหม่ชื่อ tf ด้วยคำสั่งต่อไปนี้
python3 -m venv tf
คุณสามารถเปิดใช้งานได้ด้วยคำสั่งดังต่อไปนี้
source tf/bin/activate
ตรวจสอบให้แน่ใจว่าสภาพแวดล้อมเสมือนได้รับการเปิดใช้งานสำหรับการติดตั้งที่เหลือ
4. ติดตั้ง TensorFlow
TensorFlow ต้องใช้ pip เวอร์ชันล่าสุด ดังนั้นควรอัปเกรดการติดตั้ง pip ของคุณเพื่อให้แน่ใจว่าคุณใช้เวอร์ชันล่าสุดอยู่
pip install --upgrade pip
จากนั้นติดตั้ง TensorFlow ด้วย pip
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
6. ตรวจสอบการติดตั้ง
ตรวจสอบการตั้งค่า CPU:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
หากส่งคืนเทนเซอร์ แสดงว่าคุณได้ติดตั้ง TensorFlow สำเร็จแล้ว
ตรวจสอบการตั้งค่า GPU:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
หากรายการอุปกรณ์ GPU ปรากฏขึ้น แสดงว่าคุณได้ติดตั้ง TensorFlow เรียบร้อยแล้ว หากไม่เป็นเช่นนั้น ให้ดำเนินการตามขั้นตอนถัดไป
6. [เฉพาะ GPU] การกำหนดค่าสภาพแวดล้อมเสมือน
หากการทดสอบ GPU ในส่วนสุดท้ายไม่สำเร็จ สาเหตุที่เป็นไปได้มากที่สุดคือระบบตรวจไม่พบส่วนประกอบ และ/หรือขัดแย้งกับการติดตั้ง CUDA ของระบบที่มีอยู่ ดังนั้นคุณจำเป็นต้องเพิ่มลิงก์สัญลักษณ์เพื่อแก้ไขปัญหานี้
- สร้างลิงก์สัญลักษณ์ไปยังไลบรารีที่แชร์ของ NVIDIA:
pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd
- สร้างลิงก์สัญลักษณ์ไปยัง 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
ตรวจสอบการตั้งค่า GPU:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
แมคโอเอส
1. ข้อกำหนดของระบบ
- macOS 10.12.6 (Sierra) หรือสูงกว่า (64 บิต)
ขณะนี้ยังไม่มีการรองรับ GPU อย่างเป็นทางการสำหรับการรัน TensorFlow บน MacOS คำแนะนำต่อไปนี้มีไว้สำหรับการรันบน CPU
2. ตรวจสอบเวอร์ชัน Python
ตรวจสอบว่าสภาพแวดล้อม Python ของคุณได้รับการกำหนดค่าแล้วหรือไม่:
python3 --version
python3 -m pip --version
3. ติดตั้ง TensorFlow
TensorFlow ต้องใช้ pip เวอร์ชันล่าสุด ดังนั้นควรอัปเกรดการติดตั้ง pip ของคุณเพื่อให้แน่ใจว่าคุณใช้เวอร์ชันล่าสุดอยู่
pip install --upgrade pip
จากนั้นติดตั้ง TensorFlow ด้วย pip
pip install tensorflow
4. ตรวจสอบการติดตั้ง
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
หากส่งคืนเทนเซอร์ แสดงว่าคุณได้ติดตั้ง TensorFlow สำเร็จแล้ว
วินโดวส์เนทีฟ
1. ข้อกำหนดของระบบ
- Windows 7 ขึ้นไป (64 บิต)
2. ติดตั้ง Microsoft Visual C++ Redistributable
ติดตั้ง Microsoft Visual C++ Redistributable สำหรับ Visual Studio 2015, 2017 และ 2019 เริ่มต้นด้วย TensorFlow เวอร์ชัน 2.1.0 จำเป็นต้องมีไฟล์ msvcp140_1.dll จากแพ็กเกจนี้ (ซึ่งอาจไม่มีให้ในแพ็กเกจ redistributable รุ่นเก่า) แพ็กเกจ redistributable นี้มาพร้อมกับ Visual Studio 2019 แต่สามารถติดตั้งแยกต่างหากได้:
- ไปที่ การดาวน์โหลด Microsoft Visual C++
- เลื่อนลงไปที่ส่วน Visual Studio 2015, 2017 และ 2019
- ดาวน์โหลดและติดตั้ง Microsoft Visual C++ Redistributable สำหรับ Visual Studio 2015, 2017 และ 2019 สำหรับแพลตฟอร์มของคุณ
ตรวจสอบให้แน่ใจว่า ได้เปิดใช้งานเส้นทางยาว บน Windows
3. ติดตั้ง Miniconda
Miniconda เป็นวิธีที่แนะนำสำหรับการติดตั้ง TensorFlow ที่รองรับ GPU โดยจะสร้างสภาพแวดล้อมแยกต่างหากเพื่อหลีกเลี่ยงการเปลี่ยนแปลงซอฟต์แวร์ที่ติดตั้งในระบบของคุณ นอกจากนี้ยังเป็นวิธีที่ง่ายที่สุดในการติดตั้งซอฟต์แวร์ที่จำเป็น โดยเฉพาะอย่างยิ่งสำหรับการตั้งค่า GPU
ดาวน์โหลดโปรแกรม ติดตั้ง Miniconda Windows ดับเบิลคลิกไฟล์ที่ดาวน์โหลดมา และทำตามคำแนะนำบนหน้าจอ
4. สร้างสภาพแวดล้อมแบบคอนด้า
สร้างสภาพแวดล้อม conda ใหม่ชื่อ tf ด้วยคำสั่งดังต่อไปนี้
conda create --name tf python=3.9
คุณสามารถปิดใช้งานและเปิดใช้งานได้ด้วยคำสั่งดังต่อไปนี้
conda deactivate
conda activate tf
ตรวจสอบให้แน่ใจว่าได้เปิดใช้งานแล้วตลอดระยะเวลาการติดตั้งที่เหลือ
5. การตั้งค่า GPU
คุณสามารถข้ามส่วนนี้ได้หากคุณรัน TensorFlow บน CPU เท่านั้น
ติดตั้ง ไดรเวอร์ GPU ของ NVIDIA ก่อนหากคุณยังไม่ได้ทำ
จากนั้นติดตั้ง CUDA, cuDNN ด้วย conda
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
6. ติดตั้ง TensorFlow
TensorFlow ต้องใช้ pip เวอร์ชันล่าสุด ดังนั้นควรอัปเกรดการติดตั้ง pip ของคุณเพื่อให้แน่ใจว่าคุณใช้เวอร์ชันล่าสุดอยู่
pip install --upgrade pip
จากนั้นติดตั้ง TensorFlow ด้วย pip
# Anything above 2.10 is not supported on the GPU on Windows Native
pip install "tensorflow<2.11"
7. ตรวจสอบการติดตั้ง
ตรวจสอบการตั้งค่า CPU:
python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
หากส่งคืนเทนเซอร์ แสดงว่าคุณได้ติดตั้ง TensorFlow สำเร็จแล้ว
ตรวจสอบการตั้งค่า GPU:
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
หากได้รับรายการอุปกรณ์ GPU แสดงว่าคุณได้ติดตั้ง TensorFlow สำเร็จแล้ว
วินโดวส์ WSL2
1. ข้อกำหนดของระบบ
- Windows 10 19044 ขึ้นไป (64 บิต) สอดคล้องกับ Windows 10 เวอร์ชัน 21H2 ซึ่งเป็นอัปเดตเดือนพฤศจิกายน 2021
ดูเอกสารต่อไปนี้:
2. การตั้งค่า GPU
คุณสามารถข้ามส่วนนี้ได้หากคุณรัน TensorFlow บน CPU เท่านั้น
ติดตั้ง ไดรเวอร์ GPU ของ NVIDIA หากยังไม่ได้ติดตั้ง คุณสามารถใช้คำสั่งต่อไปนี้เพื่อตรวจสอบว่าติดตั้งแล้วหรือไม่
nvidia-smi
3. ติดตั้ง TensorFlow
TensorFlow ต้องใช้ pip เวอร์ชันล่าสุด ดังนั้นควรอัปเกรดการติดตั้ง pip ของคุณเพื่อให้แน่ใจว่าคุณใช้เวอร์ชันล่าสุดอยู่
pip install --upgrade pip
จากนั้นติดตั้ง TensorFlow ด้วย pip
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
4. ตรวจสอบการติดตั้ง
ตรวจสอบการตั้งค่า CPU:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
หากส่งคืนเทนเซอร์ แสดงว่าคุณได้ติดตั้ง TensorFlow สำเร็จแล้ว
ตรวจสอบการตั้งค่า GPU:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
หากได้รับรายการอุปกรณ์ GPU แสดงว่าคุณได้ติดตั้ง TensorFlow สำเร็จแล้ว
ตำแหน่งบรรจุภัณฑ์
กลไกการติดตั้งบางอย่างจำเป็นต้องใช้ URL ของแพ็กเกจ Python ของ TensorFlow ค่าที่คุณระบุจะขึ้นอยู่กับเวอร์ชัน Python ของคุณ