Bu kılavuz, TensorFlow'un en son kararlı sürümü içindir. (nightly) önizleme derlemesi için tf-nightly adlı pip paketini kullanın. Daha eski TensorFlow sürümü gereksinimleri için bu tablolara bakın. Yalnızca CPU derlemesi için, tensorflow-cpu adlı pip paketini kullanın.
İşte yükleme komutlarının hızlı sürümleri. Adım adım talimatlar için aşağı kaydırın.
linux
conda install -c conda-forge cudatoolkit=11.8.0
python3 -m pip install nvidia-cudnn-cu11==8.6.0.163 tensorflow==2.13.*
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
source $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Mac os işletim sistemi
# There is currently no official GPU support for MacOS.
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Windows Yerel
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 install:
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Windows WSL2
conda install -c conda-forge cudatoolkit=11.8.0
python3 -m pip install nvidia-cudnn-cu11==8.6.0.163 tensorflow==2.13.*
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
source $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
İşlemci
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
her gece
python3 -m pip install tf-nightly
# Verify install:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Donanım Gereksinimleri
Aşağıdaki GPU özellikli cihazlar desteklenir:
- CUDA® mimarileri 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 ve üzeri NVIDIA® GPU kartı. CUDA® özellikli GPU kartlarının listesine bakın.
- Desteklenmeyen CUDA® mimarilerine sahip GPU'lar için veya PTX'ten JIT derlemesini önlemek veya NVIDIA® kitaplıklarının farklı sürümlerini kullanmak için, kaynak kılavuzundan Linux derlemesine bakın.
- Paketler, desteklenen en son CUDA® mimarisi dışında PTX kodu içermez; bu nedenle,
CUDA_FORCE_PTX_JIT=1ayarlandığında TensorFlow eski GPU'lara yüklenemez. (Ayrıntılar için Uygulama Uyumluluğuna bakın.)
Sistem gereksinimleri
- Ubuntu 16.04 veya üstü (64 bit)
- macOS 10.12.6 (Sierra) veya üstü (64 bit) (GPU desteği yok)
- Windows Native - Windows 7 veya üstü (64 bit) (TF 2.10'dan sonra GPU desteği yoktur)
- Windows WSL2 - Windows 10 19044 veya üstü (64 bit)
Yazılım gereksinimleri
- Python 3.8–3.11
- Linux (
manylinux2014desteği gerektirir) ve Windows için pip sürüm 19.0 veya üstü. macOS için pip sürümü 20.3 veya üstü. - Windows Native , Visual Studio 2015, 2017 ve 2019 için Microsoft Visual C++ Yeniden Dağıtılabilir Sürümü Gerektirir
Aşağıdaki NVIDIA® yazılımı yalnızca GPU desteği için gereklidir.
- NVIDIA® GPU sürücüleri sürüm 450.80.02 veya üstü.
- CUDA® Araç Seti 11.8 .
- cuDNN SDK 8.6.0 .
- (İsteğe bağlı) Çıkarım için gecikmeyi ve verimi iyileştirmek için TensorRT .
Adım adım talimatlar
linux
1. Sistem gereksinimleri
- Ubuntu 16.04 veya üstü (64 bit)
TensorFlow yalnızca resmi olarak Ubuntu'yu destekler. Ancak, aşağıdaki talimatlar diğer Linux dağıtımları için de işe yarayabilir.
2. Miniconda'yı kurun
Miniconda, TensorFlow'u GPU desteğiyle kurmak için önerilen yaklaşımdır. Sisteminizde yüklü herhangi bir yazılımın değiştirilmesini önlemek için ayrı bir ortam oluşturur. Bu, özellikle GPU kurulumu için gerekli yazılımı kurmanın en kolay yoludur.
Miniconda'yı yüklemek için aşağıdaki komutu kullanabilirsiniz. Kurulum sırasında enter tuşuna basmanız ve "yes" yazmanız gerekebilir.
curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -o Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
conda komutunu etkinleştirmek için terminalinizi veya source ~/.bashrc yeniden başlatmanız gerekebilir. Başarıyla yüklenip yüklenmediğini test etmek için conda -V kullanın.
3. Bir conda ortamı oluşturun
Aşağıdaki komutla tf adlı yeni bir conda ortamı oluşturun.
conda create --name tf python=3.9
Aşağıdaki komutlar ile devre dışı bırakabilir ve etkinleştirebilirsiniz.
conda deactivate
conda activate tf
Kurulumun geri kalanı için etkinleştirildiğinden emin olun.
4. GPU kurulumu
TensorFlow'u yalnızca CPU üzerinde çalıştırıyorsanız bu bölümü atlayabilirsiniz.
Yüklemediyseniz önce NVIDIA GPU sürücüsünü kurun. Yüklendiğini doğrulamak için aşağıdaki komutu kullanabilirsiniz.
nvidia-smi
Ardından CUDA ve cuDNN'yi conda ve pip ile kurun.
conda install -c conda-forge cudatoolkit=11.8.0
pip install nvidia-cudnn-cu11==8.6.0.163
Sistem yollarını yapılandırın. Conda ortamınızı etkinleştirdikten sonra her yeni terminal başlattığınızda aşağıdaki komutla yapabilirsiniz.
CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))
export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH
Size kolaylık sağlamak için, aşağıdaki komutlarla otomatikleştirmeniz önerilir. Bu conda ortamını etkinleştirdiğinizde sistem yolları otomatik olarak yapılandırılacaktır.
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
5. TensorFlow'u kurun
TensorFlow, pip'in yeni bir sürümünü gerektirir, bu nedenle en son sürümü çalıştırdığınızdan emin olmak için pip kurulumunuzu yükseltin.
pip install --upgrade pip
Ardından, TensorFlow'u pip ile kurun.
pip install tensorflow==2.13.*
6. Kurulumu doğrulayın
CPU kurulumunu doğrulayın:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Bir tensör döndürülürse, TensorFlow'u başarıyla yüklediniz.
GPU kurulumunu doğrulayın:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
GPU cihazlarının bir listesi döndürülürse, TensorFlow'u başarıyla yüklediniz.
Ubuntu 22.04
Ubuntu 22.04'te aşağıdaki hatayla karşılaşabilirsiniz:
Can't find libdevice directory ${CUDA_DIR}/nvvm/libdevice.
...
Couldn't invoke ptxas --version
...
InternalError: libdevice not found at ./libdevice.10.bc [Op:__some_op]
Bu hatayı düzeltmek için aşağıdaki komutları çalıştırmanız gerekecek.
# Install NVCC
conda install -c nvidia cuda-nvcc=11.3.58
# Configure the XLA cuda directory
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
printf 'export XLA_FLAGS=--xla_gpu_cuda_data_dir=$CONDA_PREFIX/lib/\n' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
source $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
# Copy libdevice file to the required path
mkdir -p $CONDA_PREFIX/lib/nvvm/libdevice
cp $CONDA_PREFIX/lib/libdevice.10.bc $CONDA_PREFIX/lib/nvvm/libdevice/
Mac os işletim sistemi
1. Sistem gereksinimleri
- macOS 10.12.6 (Sierra) veya üstü (64 bit)
Şu anda MacOS'ta TensorFlow'u çalıştırmak için resmi bir GPU desteği yoktur. Aşağıdaki talimatlar CPU üzerinde çalışmak içindir.
2. Python sürümünü kontrol edin
Python ortamınızın zaten yapılandırılmış olup olmadığını kontrol edin:
python3 --version
python3 -m pip --version
3. Miniconda'yı kurun
Miniconda, TensorFlow'u yüklemek için önerilen yaklaşımdır. Sisteminizde yüklü herhangi bir yazılımın değiştirilmesini önlemek için ayrı bir ortam oluşturur.
Miniconda'yı yükleyin:
curl https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh -o Miniconda3-latest-MacOSX-x86_64.sh
bash Miniconda3-latest-MacOSX-x86_64.sh
conda komutunu etkinleştirmek için terminalinizi veya source ~/.bashrc yeniden başlatmanız gerekebilir. Başarıyla yüklenip yüklenmediğini test etmek için conda -V kullanın.
4. Bir conda ortamı oluşturun
Aşağıdaki komutla tf adlı yeni bir conda ortamı oluşturun.
conda create --name tf python=3.9
Aşağıdaki komutlar ile devre dışı bırakabilir ve etkinleştirebilirsiniz.
conda deactivate
conda activate tf
Kurulumun geri kalanı için etkinleştirildiğinden emin olun.
5. TensorFlow'u kurun
TensorFlow, pip'in yeni bir sürümünü gerektirir, bu nedenle en son sürümü çalıştırdığınızdan emin olmak için pip kurulumunuzu yükseltin.
pip install --upgrade pip
Ardından, TensorFlow'u pip ile kurun.
pip install tensorflow
6. Kurulumu doğrulayın
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Bir tensör döndürülürse, TensorFlow'u başarıyla yüklediniz.
Windows Yerel
1. Sistem gereksinimleri
- Windows 7 veya üstü (64 bit)
2. Microsoft Visual C++ Yeniden Dağıtılabilir Dosyasını Kurun
Visual Studio 2015, 2017 ve 2019 için Microsoft Visual C++ Yeniden Dağıtılabilir'i yükleyin. TensorFlow 2.1.0 sürümünden başlayarak, bu paketten msvcp140_1.dll dosyası gereklidir (eski yeniden dağıtılabilir paketlerden sağlanamayabilir). Yeniden dağıtılabilir, Visual Studio 2019 ile birlikte gelir ancak ayrıca kurulabilir:
- Microsoft Visual C++ yüklemelerine gidin.
- Sayfayı aşağı kaydırarak Visual Studio 2015, 2017 ve 2019 bölümüne gidin.
- Platformunuz için Visual Studio 2015, 2017 ve 2019 için Microsoft Visual C++ Yeniden Dağıtılabilir'i indirin ve yükleyin.
Windows'ta uzun yolların etkinleştirildiğinden emin olun.
3. Miniconda'yı kurun
Miniconda, TensorFlow'u GPU desteğiyle kurmak için önerilen yaklaşımdır. Sisteminizde yüklü herhangi bir yazılımın değiştirilmesini önlemek için ayrı bir ortam oluşturur. Bu, özellikle GPU kurulumu için gerekli yazılımı kurmanın en kolay yoludur.
Miniconda Windows Installer'ı indirin. İndirilen dosyaya çift tıklayın ve ekrandaki talimatları izleyin.
4. Bir conda ortamı oluşturun
Aşağıdaki komutla tf adlı yeni bir conda ortamı oluşturun.
conda create --name tf python=3.9
Aşağıdaki komutlar ile devre dışı bırakabilir ve etkinleştirebilirsiniz.
conda deactivate
conda activate tf
Kurulumun geri kalanı için etkinleştirildiğinden emin olun.
5. GPU kurulumu
TensorFlow'u yalnızca CPU üzerinde çalıştırıyorsanız bu bölümü atlayabilirsiniz.
Yüklemediyseniz önce NVIDIA GPU sürücüsünü yükleyin.
Ardından CUDA'yı, cuDNN'yi conda ile kurun.
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
6. TensorFlow'u kurun
TensorFlow, pip'in yeni bir sürümünü gerektirir, bu nedenle en son sürümü çalıştırdığınızdan emin olmak için pip kurulumunuzu yükseltin.
pip install --upgrade pip
Ardından, TensorFlow'u pip ile kurun.
# Anything above 2.10 is not supported on the GPU on Windows Native
pip install "tensorflow<2.11"
7. Kurulumu doğrulayın
CPU kurulumunu doğrulayın:
python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Bir tensör döndürülürse, TensorFlow'u başarıyla yüklediniz.
GPU kurulumunu doğrulayın:
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
GPU cihazlarının bir listesi döndürülürse, TensorFlow'u başarıyla yüklediniz.
Windows WSL2
1. Sistem gereksinimleri
- Windows 10 19044 veya üstü (64 bit). Bu, Kasım 2021 güncellemesi olan Windows 10 sürüm 21H2'ye karşılık gelir.
Aşağıdaki belgelere bakın:
2. Miniconda'yı kurun
Miniconda, TensorFlow'u GPU desteğiyle kurmak için önerilen yaklaşımdır. Sisteminizde yüklü herhangi bir yazılımın değiştirilmesini önlemek için ayrı bir ortam oluşturur. Bu, özellikle GPU kurulumu için gerekli yazılımı kurmanın en kolay yoludur.
Miniconda'yı yüklemek için aşağıdaki komutu kullanabilirsiniz. Kurulum sırasında enter tuşuna basmanız ve "yes" yazmanız gerekebilir.
curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -o Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
conda komutunu etkinleştirmek için terminalinizi veya source ~/.bashrc yeniden başlatmanız gerekebilir. Başarıyla yüklenip yüklenmediğini test etmek için conda -V kullanın.
3. Bir conda ortamı oluşturun
Aşağıdaki komutla tf adlı yeni bir conda ortamı oluşturun.
conda create --name tf python=3.9
Aşağıdaki komutlar ile devre dışı bırakabilir ve etkinleştirebilirsiniz.
conda deactivate
conda activate tf
Kurulumun geri kalanı için etkinleştirildiğinden emin olun.
4. GPU kurulumu
TensorFlow'u yalnızca CPU üzerinde çalıştırıyorsanız bu bölümü atlayabilirsiniz.
Yüklemediyseniz önce NVIDIA GPU sürücüsünü kurun. Yüklendiğini doğrulamak için aşağıdaki komutu kullanabilirsiniz.
nvidia-smi
Ardından CUDA ve cuDNN'yi conda ve pip ile kurun.
conda install -c conda-forge cudatoolkit=11.8.0
pip install nvidia-cudnn-cu11==8.6.0.163
Sistem yollarını yapılandırın. Conda ortamınızı etkinleştirdikten sonra her yeni terminal başlattığınızda aşağıdaki komutla yapabilirsiniz.
CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDNN_PATH/lib:$CONDA_PREFIX/lib/
Size kolaylık sağlamak için, aşağıdaki komutlarla otomatikleştirmeniz önerilir. Bu conda ortamını etkinleştirdiğinizde sistem yolları otomatik olarak yapılandırılacaktır.
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDNN_PATH/lib:$CONDA_PREFIX/lib/' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
5. TensorFlow'u kurun
TensorFlow, pip'in yeni bir sürümünü gerektirir, bu nedenle en son sürümü çalıştırdığınızdan emin olmak için pip kurulumunuzu yükseltin.
pip install --upgrade pip
Ardından, TensorFlow'u pip ile kurun.
pip install tensorflow==2.13.*
6. Kurulumu doğrulayın
CPU kurulumunu doğrulayın:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Bir tensör döndürülürse, TensorFlow'u başarıyla yüklediniz.
GPU kurulumunu doğrulayın:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
GPU cihazlarının bir listesi döndürülürse, TensorFlow'u başarıyla yüklediniz.
Paket konumu
Birkaç kurulum mekanizması, TensorFlow Python paketinin URL'sini gerektirir. Belirttiğiniz değer, Python sürümünüze bağlıdır.