Questa guida riguarda l'ultima versione stabile di TensorFlow. Per la build di anteprima (nightly) , utilizzare il pacchetto pip denominato tf-nightly . Fare riferimento a queste tabelle per i requisiti della versione precedente di TensorFlow. Per la build solo CPU, utilizzare il pacchetto pip denominato tensorflow-cpu .
Ecco le versioni rapide dei comandi di installazione. Scorri verso il basso per le istruzioni dettagliate.
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])))"
Nativo di Windows
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'))"
processore
python3 -m pip install tensorflow
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Notturno
python3 -m pip install tf-nightly
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Requisiti hardware
Sono supportati i seguenti dispositivi abilitati per GPU:
- Scheda GPU NVIDIA® con architetture CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 e successive. Consulta l'elenco delle schede GPU abilitate CUDA® .
- Per GPU con architetture CUDA® non supportate o per evitare la compilazione JIT da PTX o per utilizzare versioni diverse delle librerie NVIDIA®, consultare la guida Linux build from source .
- I pacchetti non contengono codice PTX ad eccezione dell'ultima architettura CUDA® supportata; pertanto, TensorFlow non riesce a caricarsi sulle GPU meno recenti quando è impostato
CUDA_FORCE_PTX_JIT=1. (Vedi Compatibilità delle applicazioni per i dettagli.)
Requisiti di sistema
- Ubuntu 16.04 o successiva (64 bit)
- macOS 10.12.6 (Sierra) o versione successiva (64 bit) (nessun supporto GPU)
- Windows nativo: Windows 7 o versioni successive (64 bit) (nessun supporto GPU dopo TF 2.10)
- Windows WSL2: Windows 10 19044 o versione successiva (64 bit)
Requisiti software
- Pitone 3.9–3.12
- pip versione 19.0 o successiva per Linux (richiede il supporto
manylinux2014) e Windows. pip versione 20.3 o successiva per macOS. - Nativo di Windows richiede Microsoft Visual C++ ridistribuibile per Visual Studio 2015, 2017 e 2019
I seguenti software NVIDIA® sono necessari solo per il supporto GPU.
- Driver GPU NVIDIA®
- >= 525.60.13 per Linux
- >= 528,33 per WSL su Windows
- Kit di strumenti CUDA® 12.3 .
- cuDNN SDK 8.9.7 .
- (Facoltativo) TensorRT per migliorare la latenza e il throughput per l'inferenza.
Istruzioni passo passo
Linux
1. Requisiti di sistema
- Ubuntu 16.04 o successiva (64 bit)
TensorFlow supporta ufficialmente solo Ubuntu. Tuttavia, le seguenti istruzioni potrebbero funzionare anche per altre distribuzioni Linux.
2. Configurazione della GPU
Puoi saltare questa sezione se esegui TensorFlow solo sulla CPU.
Se non lo hai, installa il driver della GPU NVIDIA . È possibile utilizzare il comando seguente per verificare che sia installato.
nvidia-smi
3. Crea un ambiente virtuale con venv
Il modulo venv fa parte della libreria standard di Python ed è il modo ufficialmente consigliato per creare ambienti virtuali.
Passare alla directory degli ambienti virtuali desiderati e creare un nuovo ambiente venv denominato tf con il comando seguente.
python3 -m venv tf
Puoi attivarlo con il seguente comando.
source tf/bin/activate
Assicurati che l'ambiente virtuale sia attivato per il resto dell'installazione.
4. Installa TensorFlow
TensorFlow richiede una versione recente di pip, quindi aggiorna l'installazione di pip per essere sicuro di eseguire la versione più recente.
pip install --upgrade pip
Quindi, installa TensorFlow con pip.
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
6. Verificare l'installazione
Verificare la configurazione della CPU:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Se viene restituito un tensore, hai installato TensorFlow correttamente.
Verifica la configurazione della GPU:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Se viene restituito un elenco di dispositivi GPU, hai installato TensorFlow correttamente. In caso contrario, continuare con il passaggio successivo .
6. [Solo GPU] Configurazione dell'ambiente virtuale
Se il test della GPU nell'ultima sezione non ha avuto esito positivo, la causa più probabile è che i componenti non vengono rilevati e/o sono in conflitto con l'installazione CUDA del sistema esistente. Quindi è necessario aggiungere alcuni collegamenti simbolici per risolvere questo problema.
- Crea collegamenti simbolici alle librerie condivise NVIDIA:
pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd
- Crea un collegamento simbolico a 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
Verifica la configurazione della GPU:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
MacOS
1. Requisiti di sistema
- macOS 10.12.6 (Sierra) o versione successiva (64 bit)
Attualmente non esiste un supporto GPU ufficiale per l'esecuzione di TensorFlow su MacOS. Le seguenti istruzioni riguardano l'esecuzione su CPU.
2. Controlla la versione di Python
Controlla se il tuo ambiente Python è già configurato:
python3 --version
python3 -m pip --version
3. Installa TensorFlow
TensorFlow richiede una versione recente di pip, quindi aggiorna l'installazione di pip per essere sicuro di eseguire la versione più recente.
pip install --upgrade pip
Quindi, installa TensorFlow con pip.
pip install tensorflow
4. Verificare l'installazione
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Se viene restituito un tensore, hai installato TensorFlow correttamente.
Nativo di Windows
1. Requisiti di sistema
- Windows 7 o versioni successive (64 bit)
2. Installare Microsoft Visual C++ ridistribuibile
Installa Microsoft Visual C++ Redistributable per Visual Studio 2015, 2017 e 2019 . A partire dalla versione TensorFlow 2.1.0, questo pacchetto richiede il file msvcp140_1.dll (che potrebbe non essere fornito dai pacchetti ridistribuibili precedenti). Il ridistribuibile viene fornito con Visual Studio 2019 ma può essere installato separatamente:
- Vai ai download di Microsoft Visual C++ .
- Scorri la pagina verso il basso fino alla sezione Visual Studio 2015, 2017 e 2019 .
- Scarica e installa Microsoft Visual C++ Redistributable per Visual Studio 2015, 2017 e 2019 per la tua piattaforma.
Assicurati che i percorsi lunghi siano abilitati su Windows.
3. Installa Miniconda
Miniconda è l'approccio consigliato per l'installazione di TensorFlow con supporto GPU. Crea un ambiente separato per evitare di modificare qualsiasi software installato nel sistema. Questo è anche il modo più semplice per installare il software richiesto soprattutto per la configurazione della GPU.
Scarica il programma di installazione di Windows Miniconda . Fare doppio clic sul file scaricato e seguire le istruzioni visualizzate sullo schermo.
4. Crea un ambiente conda
Crea un nuovo ambiente conda denominato tf con il comando seguente.
conda create --name tf python=3.9
Puoi disattivarlo e attivarlo con i seguenti comandi.
conda deactivate
conda activate tf
Assicurati che sia attivato per il resto dell'installazione.
5. Configurazione della GPU
Puoi saltare questa sezione se esegui TensorFlow solo sulla CPU.
Se non lo hai, installa prima il driver GPU NVIDIA .
Quindi installa CUDA, cuDNN con conda.
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
6. Installa TensorFlow
TensorFlow richiede una versione recente di pip, quindi aggiorna l'installazione di pip per essere sicuro di eseguire la versione più recente.
pip install --upgrade pip
Quindi, installa TensorFlow con pip.
# Anything above 2.10 is not supported on the GPU on Windows Native
pip install "tensorflow<2.11"
7. Verificare l'installazione
Verificare la configurazione della CPU:
python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Se viene restituito un tensore, hai installato TensorFlow correttamente.
Verifica la configurazione della GPU:
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Se viene restituito un elenco di dispositivi GPU, hai installato TensorFlow correttamente.
Windows WSL2
1. Requisiti di sistema
- Windows 10 19044 o versione successiva (64 bit). Ciò corrisponde a Windows 10 versione 21H2, l'aggiornamento di novembre 2021.
Consulta i seguenti documenti per:
- Scarica l'ultimo aggiornamento di Windows 10 .
- Installa WSL2
- Configura il supporto GPU NVIDIA® in WSL2
2. Configurazione della GPU
Puoi saltare questa sezione se esegui TensorFlow solo sulla CPU.
Se non lo hai, installa il driver della GPU NVIDIA . È possibile utilizzare il comando seguente per verificare che sia installato.
nvidia-smi
3. Installa TensorFlow
TensorFlow richiede una versione recente di pip, quindi aggiorna l'installazione di pip per essere sicuro di eseguire la versione più recente.
pip install --upgrade pip
Quindi, installa TensorFlow con pip.
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
4. Verificare l'installazione
Verificare la configurazione della CPU:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Se viene restituito un tensore, hai installato TensorFlow correttamente.
Verifica la configurazione della GPU:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Se viene restituito un elenco di dispositivi GPU, hai installato TensorFlow correttamente.
Posizione del pacco
Alcuni meccanismi di installazione richiedono l'URL del pacchetto TensorFlow Python. Il valore specificato dipende dalla versione di Python.
Questa guida riguarda l'ultima versione stabile di TensorFlow. Per la build di anteprima (nightly) , utilizzare il pacchetto pip denominato tf-nightly . Fare riferimento a queste tabelle per i requisiti della versione precedente di TensorFlow. Per la build solo CPU, utilizzare il pacchetto pip denominato tensorflow-cpu .
Ecco le versioni rapide dei comandi di installazione. Scorri verso il basso per le istruzioni dettagliate.
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])))"
Nativo di Windows
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'))"
processore
python3 -m pip install tensorflow
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Notturno
python3 -m pip install tf-nightly
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Requisiti hardware
Sono supportati i seguenti dispositivi abilitati per GPU:
- Scheda GPU NVIDIA® con architetture CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 e successive. Consulta l'elenco delle schede GPU abilitate CUDA® .
- Per GPU con architetture CUDA® non supportate o per evitare la compilazione JIT da PTX o per utilizzare versioni diverse delle librerie NVIDIA®, consultare la guida Linux build from source .
- I pacchetti non contengono codice PTX ad eccezione dell'ultima architettura CUDA® supportata; pertanto, TensorFlow non riesce a caricarsi sulle GPU meno recenti quando è impostato
CUDA_FORCE_PTX_JIT=1. (Vedi Compatibilità delle applicazioni per i dettagli.)
Requisiti di sistema
- Ubuntu 16.04 o successiva (64 bit)
- macOS 10.12.6 (Sierra) o versione successiva (64 bit) (nessun supporto GPU)
- Windows nativo: Windows 7 o versioni successive (64 bit) (nessun supporto GPU dopo TF 2.10)
- Windows WSL2: Windows 10 19044 o versione successiva (64 bit)
Requisiti software
- Pitone 3.9–3.12
- pip versione 19.0 o successiva per Linux (richiede il supporto
manylinux2014) e Windows. pip versione 20.3 o successiva per macOS. - Nativo di Windows richiede Microsoft Visual C++ ridistribuibile per Visual Studio 2015, 2017 e 2019
I seguenti software NVIDIA® sono necessari solo per il supporto GPU.
- Driver GPU NVIDIA®
- >= 525.60.13 per Linux
- >= 528,33 per WSL su Windows
- Kit di strumenti CUDA® 12.3 .
- cuDNN SDK 8.9.7 .
- (Facoltativo) TensorRT per migliorare la latenza e il throughput per l'inferenza.
Istruzioni passo passo
Linux
1. Requisiti di sistema
- Ubuntu 16.04 o successiva (64 bit)
TensorFlow supporta ufficialmente solo Ubuntu. Tuttavia, le seguenti istruzioni potrebbero funzionare anche per altre distribuzioni Linux.
2. Configurazione della GPU
Puoi saltare questa sezione se esegui TensorFlow solo sulla CPU.
Se non lo hai, installa il driver della GPU NVIDIA . È possibile utilizzare il comando seguente per verificare che sia installato.
nvidia-smi
3. Crea un ambiente virtuale con venv
Il modulo venv fa parte della libreria standard di Python ed è il modo ufficialmente consigliato per creare ambienti virtuali.
Passare alla directory degli ambienti virtuali desiderati e creare un nuovo ambiente venv denominato tf con il comando seguente.
python3 -m venv tf
Puoi attivarlo con il seguente comando.
source tf/bin/activate
Assicurati che l'ambiente virtuale sia attivato per il resto dell'installazione.
4. Installa TensorFlow
TensorFlow richiede una versione recente di pip, quindi aggiorna l'installazione di pip per essere sicuro di eseguire la versione più recente.
pip install --upgrade pip
Quindi, installa TensorFlow con pip.
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
6. Verificare l'installazione
Verificare la configurazione della CPU:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Se viene restituito un tensore, hai installato TensorFlow correttamente.
Verifica la configurazione della GPU:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Se viene restituito un elenco di dispositivi GPU, hai installato TensorFlow correttamente. In caso contrario, continuare con il passaggio successivo .
6. [Solo GPU] Configurazione dell'ambiente virtuale
Se il test della GPU nell'ultima sezione non ha avuto esito positivo, la causa più probabile è che i componenti non vengono rilevati e/o sono in conflitto con l'installazione CUDA del sistema esistente. Quindi è necessario aggiungere alcuni collegamenti simbolici per risolvere questo problema.
- Crea collegamenti simbolici alle librerie condivise NVIDIA:
pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd
- Crea un collegamento simbolico a 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
Verifica la configurazione della GPU:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
MacOS
1. Requisiti di sistema
- macOS 10.12.6 (Sierra) o versione successiva (64 bit)
Attualmente non esiste un supporto GPU ufficiale per l'esecuzione di TensorFlow su MacOS. Le seguenti istruzioni riguardano l'esecuzione su CPU.
2. Controlla la versione di Python
Controlla se il tuo ambiente Python è già configurato:
python3 --version
python3 -m pip --version
3. Installa TensorFlow
TensorFlow richiede una versione recente di pip, quindi aggiorna l'installazione di pip per essere sicuro di eseguire la versione più recente.
pip install --upgrade pip
Quindi, installa TensorFlow con pip.
pip install tensorflow
4. Verificare l'installazione
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Se viene restituito un tensore, hai installato TensorFlow correttamente.
Nativo di Windows
1. Requisiti di sistema
- Windows 7 o versioni successive (64 bit)
2. Installare Microsoft Visual C++ ridistribuibile
Installa Microsoft Visual C++ Redistributable per Visual Studio 2015, 2017 e 2019 . A partire dalla versione TensorFlow 2.1.0, questo pacchetto richiede il file msvcp140_1.dll (che potrebbe non essere fornito dai pacchetti ridistribuibili precedenti). Il ridistribuibile viene fornito con Visual Studio 2019 ma può essere installato separatamente:
- Vai ai download di Microsoft Visual C++ .
- Scorri la pagina verso il basso fino alla sezione Visual Studio 2015, 2017 e 2019 .
- Scarica e installa Microsoft Visual C++ Redistributable per Visual Studio 2015, 2017 e 2019 per la tua piattaforma.
Assicurati che i percorsi lunghi siano abilitati su Windows.
3. Installa Miniconda
Miniconda è l'approccio consigliato per l'installazione di TensorFlow con supporto GPU. Crea un ambiente separato per evitare di modificare qualsiasi software installato nel sistema. Questo è anche il modo più semplice per installare il software richiesto soprattutto per la configurazione della GPU.
Scarica il programma di installazione di Windows Miniconda . Fare doppio clic sul file scaricato e seguire le istruzioni visualizzate sullo schermo.
4. Crea un ambiente conda
Crea un nuovo ambiente conda denominato tf con il comando seguente.
conda create --name tf python=3.9
Puoi disattivarlo e attivarlo con i seguenti comandi.
conda deactivate
conda activate tf
Assicurati che sia attivato per il resto dell'installazione.
5. Configurazione della GPU
Puoi saltare questa sezione se esegui TensorFlow solo sulla CPU.
Se non lo hai, installa prima il driver GPU NVIDIA .
Quindi installa CUDA, cuDNN con conda.
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
6. Installa TensorFlow
TensorFlow richiede una versione recente di pip, quindi aggiorna l'installazione di pip per essere sicuro di eseguire la versione più recente.
pip install --upgrade pip
Quindi, installa TensorFlow con pip.
# Anything above 2.10 is not supported on the GPU on Windows Native
pip install "tensorflow<2.11"
7. Verificare l'installazione
Verificare la configurazione della CPU:
python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Se viene restituito un tensore, hai installato TensorFlow correttamente.
Verifica la configurazione della GPU:
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Se viene restituito un elenco di dispositivi GPU, hai installato TensorFlow correttamente.
Windows WSL2
1. Requisiti di sistema
- Windows 10 19044 o versione successiva (64 bit). Ciò corrisponde a Windows 10 versione 21H2, l'aggiornamento di novembre 2021.
Consulta i seguenti documenti per:
- Scarica l'ultimo aggiornamento di Windows 10 .
- Installa WSL2
- Configura il supporto GPU NVIDIA® in WSL2
2. Configurazione della GPU
Puoi saltare questa sezione se esegui TensorFlow solo sulla CPU.
Se non lo hai, installa il driver della GPU NVIDIA . È possibile utilizzare il comando seguente per verificare che sia installato.
nvidia-smi
3. Installa TensorFlow
TensorFlow richiede una versione recente di pip, quindi aggiorna l'installazione di pip per essere sicuro di eseguire la versione più recente.
pip install --upgrade pip
Quindi, installa TensorFlow con pip.
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
4. Verificare l'installazione
Verificare la configurazione della CPU:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Se viene restituito un tensore, hai installato TensorFlow correttamente.
Verifica la configurazione della GPU:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Se viene restituito un elenco di dispositivi GPU, hai installato TensorFlow correttamente.
Posizione del pacco
Alcuni meccanismi di installazione richiedono l'URL del pacchetto TensorFlow Python. Il valore specificato dipende dalla versione di Python.