이 가이드는 TensorFlow의 최신 안정 버전을 위한 것입니다. 미리보기 빌드 (nightly) 의 경우 tf-nightly 라는 pip 패키지를 사용합니다. 이전 TensorFlow 버전 요구 사항은 다음 표를 참조하세요. CPU 전용 빌드의 경우 tensorflow-cpu 라는 pip 패키지를 사용합니다.
다음은 설치 명령의 빠른 버전입니다. 단계별 지침을 보려면 아래로 스크롤하세요.
리눅스
python3 -m pip install tensorflow[and-cuda]
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
맥OS
# 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])))"
윈도우 네이티브
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'))"
윈도우 WSL2
python3 -m pip install tensorflow[and-cuda]
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
CPU
python3 -m pip install tensorflow
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
야간
python3 -m pip install tf-nightly
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
하드웨어 요구 사항
다음 GPU 지원 장치가 지원됩니다.
- CUDA® 아키텍처 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 이상을 지원하는 NVIDIA® GPU 카드. CUDA® 지원 GPU 카드 목록을 참조하세요.
- 지원되지 않는 CUDA® 아키텍처가 있는 GPU의 경우, PTX에서 JIT 컴파일을 피하거나 NVIDIA® 라이브러리의 다른 버전을 사용하려면 소스에서 Linux 빌드 가이드를 참조하세요.
- 패키지에는 지원되는 최신 CUDA® 아키텍처를 제외하고 PTX 코드가 포함되어 있지 않습니다. 따라서
CUDA_FORCE_PTX_JIT=1설정된 경우 TensorFlow는 이전 GPU에서 로드되지 않습니다. (자세한 내용은 애플리케이션 호환성을 참조하세요.)
시스템 요구사항
- Ubuntu 16.04 이상(64비트)
- macOS 10.12.6(Sierra) 이상(64비트) (GPU 지원 없음)
- Windows 기본 - Windows 7 이상(64비트) (TF 2.10 이후 GPU 지원 없음)
- Windows WSL2 - Windows 10 19044 이상(64비트)
소프트웨어 요구사항
- 파이썬 3.9-3.12
- Linux(
manylinux2014지원 필요) 및 Windows용 pip 버전 19.0 이상. macOS의 경우 pip 버전 20.3 이상. - Windows 네이티브 에는 Visual Studio 2015, 2017 및 2019용 Microsoft Visual C++ 재배포 가능 패키지가 필요합니다.
다음 NVIDIA® 소프트웨어는 GPU 지원에만 필요합니다.
- NVIDIA® GPU 드라이버
- >= Linux의 경우 525.60.13
- >= Windows의 WSL의 경우 528.33
- CUDA® 툴킷 12.3 .
- cuDNN SDK 8.9.7 .
- (선택 사항) 추론을 위한 지연 시간과 처리량을 개선하는 TensorRT입니다 .
단계별 지침
리눅스
1. 시스템 요구사항
- Ubuntu 16.04 이상(64비트)
TensorFlow는 공식적으로 Ubuntu만 지원합니다. 그러나 다음 지침은 다른 Linux 배포판에서도 작동할 수 있습니다.
2. GPU 설정
CPU에서만 TensorFlow를 실행하는 경우 이 섹션을 건너뛸 수 있습니다.
NVIDIA GPU 드라이버가 없으면 설치하세요. 다음 명령을 사용하여 설치되었는지 확인할 수 있습니다.
nvidia-smi
3. venv 로 가상 환경 만들기
venv 모듈은 Python 표준 라이브러리의 일부이며 가상 환경을 만드는 데 공식적으로 권장되는 방법입니다.
원하는 가상 환경 디렉터리로 이동하고 다음 명령을 사용하여 tf 라는 새 venv 환경을 만듭니다.
python3 -m venv tf
다음 명령으로 활성화할 수 있습니다.
source tf/bin/activate
나머지 설치 과정에서 가상 환경이 활성화되어 있는지 확인하십시오.
4. 텐서플로우 설치
TensorFlow에는 최신 버전의 pip가 필요하므로 최신 버전을 실행하려면 pip 설치를 업그레이드하세요.
pip install --upgrade pip
그런 다음 pip를 사용하여 TensorFlow를 설치합니다.
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
6. 설치 확인
CPU 설정을 확인합니다.
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
텐서가 반환되면 TensorFlow가 성공적으로 설치된 것입니다.
GPU 설정을 확인합니다.
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
GPU 장치 목록이 반환되면 TensorFlow가 성공적으로 설치된 것입니다. 그렇지 않은 경우 다음 단계로 진행하세요 .
6. [GPU 전용] 가상 환경 구성
마지막 섹션의 GPU 테스트가 실패한 경우 가장 가능성이 높은 원인은 구성 요소가 감지되지 않거나 기존 시스템 CUDA 설치와 충돌하는 것입니다. 따라서 이 문제를 해결하려면 일부 심볼릭 링크를 추가해야 합니다.
- NVIDIA 공유 라이브러리에 대한 심볼릭 링크를 생성합니다:
pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd
- ptxas에 대한 심볼릭 링크를 만듭니다.
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
GPU 설정을 확인합니다.
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
맥OS
1. 시스템 요구사항
- macOS 10.12.6(Sierra) 이상(64비트)
현재 MacOS에서 TensorFlow를 실행하기 위한 공식 GPU 지원은 없습니다. 다음 지침은 CPU에서 실행하기 위한 것입니다.
2. Python 버전 확인
Python 환경이 이미 구성되어 있는지 확인하세요.
python3 --version
python3 -m pip --version
3. 텐서플로우 설치
TensorFlow에는 최신 버전의 pip가 필요하므로 최신 버전을 실행하려면 pip 설치를 업그레이드하세요.
pip install --upgrade pip
그런 다음 pip를 사용하여 TensorFlow를 설치합니다.
pip install tensorflow
4. 설치 확인
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
텐서가 반환되면 TensorFlow가 성공적으로 설치된 것입니다.
윈도우 네이티브
1. 시스템 요구사항
- Windows 7 이상(64비트)
2. Microsoft Visual C++ 재배포 가능 패키지 설치
Visual Studio 2015, 2017 및 2019용 Microsoft Visual C++ 재배포 가능 패키지를 설치합니다. TensorFlow 2.1.0 버전부터 이 패키지에는 msvcp140_1.dll 파일이 필요합니다(이전 재배포 가능 패키지에서는 제공되지 않을 수 있음). 재배포 가능 패키지는 Visual Studio 2019 와 함께 제공되지만 별도로 설치할 수 있습니다.
- Microsoft Visual C++ 다운로드 로 이동합니다.
- 페이지를 아래로 스크롤하여 Visual Studio 2015, 2017 및 2019 섹션으로 이동합니다.
- 해당 플랫폼에 맞는 Visual Studio 2015, 2017 및 2019용 Microsoft Visual C++ 재배포 가능 패키지를 다운로드하여 설치하세요.
Windows에서 긴 경로가 활성화되어 있는지 확인하십시오.
3. 미니콘다 설치
Miniconda는 GPU를 지원하는 TensorFlow를 설치하는 데 권장되는 접근 방식입니다. 시스템에 설치된 소프트웨어가 변경되지 않도록 별도의 환경을 생성합니다. 이는 특히 GPU 설정에 필요한 소프트웨어를 설치하는 가장 쉬운 방법이기도 합니다.
Miniconda Windows 설치 프로그램을 다운로드합니다. 다운로드한 파일을 두 번 클릭하고 화면의 지시를 따릅니다.
4. 콘다 환경 만들기
다음 명령을 사용하여 tf 라는 새 conda 환경을 만듭니다.
conda create --name tf python=3.9
다음 명령을 사용하여 비활성화하고 활성화할 수 있습니다.
conda deactivate
conda activate tf
나머지 설치 과정에서 활성화되어 있는지 확인하십시오.
5. GPU 설정
TensorFlow를 CPU에서만 실행하는 경우 이 섹션을 건너뛸 수 있습니다.
아직 NVIDIA GPU 드라이버 가 없다면 먼저 설치하세요.
그런 다음 conda와 함께 CUDA, cuDNN을 설치하십시오.
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
6. 텐서플로우 설치
TensorFlow에는 최신 버전의 pip가 필요하므로 최신 버전을 실행하려면 pip 설치를 업그레이드하세요.
pip install --upgrade pip
그런 다음 pip를 사용하여 TensorFlow를 설치합니다.
# Anything above 2.10 is not supported on the GPU on Windows Native
pip install "tensorflow<2.11"
7. 설치 확인
CPU 설정을 확인합니다.
python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
텐서가 반환되면 TensorFlow가 성공적으로 설치된 것입니다.
GPU 설정을 확인합니다.
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
GPU 장치 목록이 반환되면 TensorFlow가 성공적으로 설치된 것입니다.
윈도우 WSL2
1. 시스템 요구사항
- Windows 10 19044 이상(64비트). 이는 Windows 10 버전 21H2, 2021년 11월 업데이트에 해당합니다.
다음 문서를 참조하세요.
2. GPU 설정
CPU에서만 TensorFlow를 실행하는 경우 이 섹션을 건너뛸 수 있습니다.
NVIDIA GPU 드라이버가 없으면 설치하세요. 다음 명령을 사용하여 설치되었는지 확인할 수 있습니다.
nvidia-smi
3. 텐서플로우 설치
TensorFlow에는 최신 버전의 pip가 필요하므로 최신 버전을 실행하려면 pip 설치를 업그레이드하세요.
pip install --upgrade pip
그런 다음 pip를 사용하여 TensorFlow를 설치합니다.
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
4. 설치 확인
CPU 설정을 확인합니다.
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
텐서가 반환되면 TensorFlow가 성공적으로 설치된 것입니다.
GPU 설정을 확인합니다.
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
GPU 장치 목록이 반환되면 TensorFlow가 성공적으로 설치된 것입니다.
패키지 위치
몇 가지 설치 메커니즘에는 TensorFlow Python 패키지의 URL이 필요합니다. 지정하는 값은 Python 버전에 따라 다릅니다.
이 가이드는 TensorFlow의 최신 안정 버전을 위한 것입니다. 미리보기 빌드 (nightly) 의 경우 tf-nightly 라는 pip 패키지를 사용합니다. 이전 TensorFlow 버전 요구 사항은 다음 표를 참조하세요. CPU 전용 빌드의 경우 tensorflow-cpu 라는 pip 패키지를 사용합니다.
다음은 설치 명령의 빠른 버전입니다. 단계별 지침을 보려면 아래로 스크롤하세요.
리눅스
python3 -m pip install tensorflow[and-cuda]
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
맥OS
# 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])))"
윈도우 네이티브
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'))"
윈도우 WSL2
python3 -m pip install tensorflow[and-cuda]
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
CPU
python3 -m pip install tensorflow
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
야간
python3 -m pip install tf-nightly
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
하드웨어 요구 사항
다음 GPU 지원 장치가 지원됩니다.
- CUDA® 아키텍처 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 이상을 지원하는 NVIDIA® GPU 카드. CUDA® 지원 GPU 카드 목록을 참조하세요.
- 지원되지 않는 CUDA® 아키텍처가 있는 GPU의 경우, PTX에서 JIT 컴파일을 피하거나 NVIDIA® 라이브러리의 다른 버전을 사용하려면 소스에서 Linux 빌드 가이드를 참조하세요.
- 패키지에는 지원되는 최신 CUDA® 아키텍처를 제외하고 PTX 코드가 포함되어 있지 않습니다. 따라서
CUDA_FORCE_PTX_JIT=1설정된 경우 TensorFlow는 이전 GPU에서 로드되지 않습니다. (자세한 내용은 애플리케이션 호환성을 참조하세요.)
시스템 요구사항
- Ubuntu 16.04 이상(64비트)
- macOS 10.12.6(Sierra) 이상(64비트) (GPU 지원 없음)
- Windows 기본 - Windows 7 이상(64비트) (TF 2.10 이후 GPU 지원 없음)
- Windows WSL2 - Windows 10 19044 이상(64비트)
소프트웨어 요구사항
- 파이썬 3.9-3.12
- Linux(
manylinux2014지원 필요) 및 Windows용 pip 버전 19.0 이상. macOS의 경우 pip 버전 20.3 이상. - Windows 네이티브 에는 Visual Studio 2015, 2017 및 2019용 Microsoft Visual C++ 재배포 가능 패키지가 필요합니다.
다음 NVIDIA® 소프트웨어는 GPU 지원에만 필요합니다.
- NVIDIA® GPU 드라이버
- >= Linux의 경우 525.60.13
- >= Windows의 WSL의 경우 528.33
- CUDA® 툴킷 12.3 .
- cuDNN SDK 8.9.7 .
- (선택 사항) 추론을 위한 지연 시간과 처리량을 개선하는 TensorRT입니다 .
단계별 지침
리눅스
1. 시스템 요구사항
- Ubuntu 16.04 이상(64비트)
TensorFlow는 공식적으로 Ubuntu만 지원합니다. 그러나 다음 지침은 다른 Linux 배포판에서도 작동할 수 있습니다.
2. GPU 설정
CPU에서만 TensorFlow를 실행하는 경우 이 섹션을 건너뛸 수 있습니다.
NVIDIA GPU 드라이버가 없으면 설치하세요. 다음 명령을 사용하여 설치되었는지 확인할 수 있습니다.
nvidia-smi
3. venv 로 가상 환경 만들기
venv 모듈은 Python 표준 라이브러리의 일부이며 가상 환경을 만드는 데 공식적으로 권장되는 방법입니다.
원하는 가상 환경 디렉터리로 이동하고 다음 명령을 사용하여 tf 라는 새 venv 환경을 만듭니다.
python3 -m venv tf
다음 명령으로 활성화할 수 있습니다.
source tf/bin/activate
나머지 설치 과정에서 가상 환경이 활성화되어 있는지 확인하십시오.
4. 텐서플로우 설치
TensorFlow에는 최신 버전의 pip가 필요하므로 최신 버전을 실행하려면 pip 설치를 업그레이드하세요.
pip install --upgrade pip
그런 다음 pip를 사용하여 TensorFlow를 설치합니다.
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
6. 설치 확인
CPU 설정을 확인합니다.
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
텐서가 반환되면 TensorFlow가 성공적으로 설치된 것입니다.
GPU 설정을 확인합니다.
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
GPU 장치 목록이 반환되면 TensorFlow가 성공적으로 설치된 것입니다. 그렇지 않은 경우 다음 단계로 진행하세요 .
6. [GPU 전용] 가상 환경 구성
마지막 섹션의 GPU 테스트가 실패한 경우 가장 가능성이 높은 원인은 구성 요소가 감지되지 않거나 기존 시스템 CUDA 설치와 충돌하는 것입니다. 따라서 이 문제를 해결하려면 일부 심볼릭 링크를 추가해야 합니다.
- NVIDIA 공유 라이브러리에 대한 심볼릭 링크를 생성합니다:
pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd
- ptxas에 대한 심볼릭 링크를 만듭니다.
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
GPU 설정을 확인합니다.
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
맥OS
1. 시스템 요구사항
- macOS 10.12.6(Sierra) 이상(64비트)
현재 MacOS에서 TensorFlow를 실행하기 위한 공식 GPU 지원은 없습니다. 다음 지침은 CPU에서 실행하기 위한 것입니다.
2. Python 버전 확인
Python 환경이 이미 구성되어 있는지 확인하세요.
python3 --version
python3 -m pip --version
3. 텐서플로우 설치
TensorFlow에는 최신 버전의 pip가 필요하므로 최신 버전을 실행하려면 pip 설치를 업그레이드하세요.
pip install --upgrade pip
그런 다음 pip를 사용하여 TensorFlow를 설치합니다.
pip install tensorflow
4. 설치 확인
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
텐서가 반환되면 TensorFlow가 성공적으로 설치된 것입니다.
윈도우 네이티브
1. 시스템 요구사항
- Windows 7 이상(64비트)
2. Microsoft Visual C++ 재배포 가능 패키지 설치
Visual Studio 2015, 2017 및 2019용 Microsoft Visual C++ 재배포 가능 패키지를 설치합니다. TensorFlow 2.1.0 버전부터 이 패키지에는 msvcp140_1.dll 파일이 필요합니다(이전 재배포 가능 패키지에서는 제공되지 않을 수 있음). 재배포 가능 패키지는 Visual Studio 2019 와 함께 제공되지만 별도로 설치할 수 있습니다.
- Microsoft Visual C++ 다운로드 로 이동합니다.
- 페이지를 아래로 스크롤하여 Visual Studio 2015, 2017 및 2019 섹션으로 이동합니다.
- 해당 플랫폼에 맞는 Visual Studio 2015, 2017 및 2019용 Microsoft Visual C++ 재배포 가능 패키지를 다운로드하여 설치하세요.
Windows에서 긴 경로가 활성화되어 있는지 확인하십시오.
3. 미니콘다 설치
Miniconda는 GPU를 지원하는 TensorFlow를 설치하는 데 권장되는 접근 방식입니다. 시스템에 설치된 소프트웨어가 변경되지 않도록 별도의 환경을 생성합니다. 이는 특히 GPU 설정에 필요한 소프트웨어를 설치하는 가장 쉬운 방법이기도 합니다.
Miniconda Windows 설치 프로그램을 다운로드합니다. 다운로드한 파일을 두 번 클릭하고 화면의 지시를 따릅니다.
4. 콘다 환경 만들기
다음 명령을 사용하여 tf 라는 새 conda 환경을 만듭니다.
conda create --name tf python=3.9
다음 명령을 사용하여 비활성화하고 활성화할 수 있습니다.
conda deactivate
conda activate tf
나머지 설치 과정에서 활성화되어 있는지 확인하십시오.
5. GPU 설정
TensorFlow를 CPU에서만 실행하는 경우 이 섹션을 건너뛸 수 있습니다.
아직 NVIDIA GPU 드라이버 가 없다면 먼저 설치하세요.
그런 다음 conda와 함께 CUDA, cuDNN을 설치하십시오.
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
6. 텐서플로우 설치
TensorFlow에는 최신 버전의 pip가 필요하므로 최신 버전을 실행하려면 pip 설치를 업그레이드하세요.
pip install --upgrade pip
그런 다음 pip를 사용하여 TensorFlow를 설치합니다.
# Anything above 2.10 is not supported on the GPU on Windows Native
pip install "tensorflow<2.11"
7. 설치 확인
CPU 설정을 확인합니다.
python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
텐서가 반환되면 TensorFlow가 성공적으로 설치된 것입니다.
GPU 설정을 확인합니다.
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
GPU 장치 목록이 반환되면 TensorFlow가 성공적으로 설치된 것입니다.
윈도우 WSL2
1. 시스템 요구사항
- Windows 10 19044 이상(64비트). 이는 Windows 10 버전 21H2, 2021년 11월 업데이트에 해당합니다.
다음 문서를 참조하세요.
2. GPU 설정
CPU에서만 TensorFlow를 실행하는 경우 이 섹션을 건너뛸 수 있습니다.
NVIDIA GPU 드라이버가 없으면 설치하세요. 다음 명령을 사용하여 설치되었는지 확인할 수 있습니다.
nvidia-smi
3. 텐서플로우 설치
TensorFlow에는 최신 버전의 pip가 필요하므로 최신 버전을 실행하려면 pip 설치를 업그레이드하세요.
pip install --upgrade pip
그런 다음 pip를 사용하여 TensorFlow를 설치합니다.
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
4. 설치 확인
CPU 설정을 확인합니다.
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
텐서가 반환되면 TensorFlow가 성공적으로 설치된 것입니다.
GPU 설정을 확인합니다.
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
GPU 장치 목록이 반환되면 TensorFlow가 성공적으로 설치된 것입니다.
패키지 위치
몇 가지 설치 메커니즘에는 TensorFlow Python 패키지의 URL이 필요합니다. 지정하는 값은 Python 버전에 따라 다릅니다.