Zainstaluj TensorFlow za pomocą pip

Ten przewodnik dotyczy najnowszej stabilnej wersji TensorFlow. W przypadku kompilacji podglądu (nightly) użyj pakietu pip o nazwie tf-nightly . Zapoznaj się z tymi tabelami , aby zapoznać się z wymaganiami starszych wersji TensorFlow. W przypadku kompilacji obsługującej tylko procesor użyj pakietu pip o nazwie tensorflow-cpu .

Oto krótkie wersje poleceń instalacyjnych. Przewiń w dół, aby zapoznać się z instrukcjami krok po kroku.

Linuksa

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])))"

Natywny system 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'))"

Procesor

python3 -m pip install tensorflow
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Nocny

python3 -m pip install tf-nightly
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Wymagania sprzętowe

Obsługiwane są następujące urządzenia obsługujące procesor graficzny:

  • Karta graficzna NVIDIA® z architekturami CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 i nowszymi. Zobacz listę kart graficznych obsługujących CUDA® .
  • W przypadku procesorów graficznych z nieobsługiwaną architekturą CUDA®, aby uniknąć kompilacji JIT z PTX lub aby użyć różnych wersji bibliotek NVIDIA®, zapoznaj się z przewodnikiem dotyczącym kompilacji systemu Linux ze źródła .
  • Pakiety nie zawierają kodu PTX z wyjątkiem najnowszej obsługiwanej architektury CUDA®; dlatego TensorFlow nie ładuje się na starszych procesorach graficznych, gdy ustawiono CUDA_FORCE_PTX_JIT=1 . (Szczegółowe informacje można znaleźć w części Zgodność aplikacji .)

Wymagania systemowe

  • Ubuntu 16.04 lub nowszy (64-bitowy)
  • macOS 10.12.6 (Sierra) lub nowszy (64-bitowy) (bez obsługi GPU)
  • Windows Native — Windows 7 lub nowszy (64-bitowy) (brak obsługi GPU po TF 2.10)
  • Windows WSL2 — Windows 10 19044 lub nowszy (64-bitowy)

Wymagania dotyczące oprogramowania

Następujące oprogramowanie NVIDIA® jest wymagane wyłącznie do obsługi procesora graficznego.

Instrukcje krok po kroku

Linuksa

1. Wymagania systemowe

  • Ubuntu 16.04 lub nowszy (64-bitowy)

TensorFlow oficjalnie obsługuje tylko Ubuntu. Jednak poniższe instrukcje mogą również działać w przypadku innych dystrybucji Linuksa.

2. Konfiguracja GPU

Możesz pominąć tę sekcję, jeśli uruchamiasz TensorFlow tylko na procesorze.

Zainstaluj sterownik procesora graficznego NVIDIA, jeśli jeszcze tego nie zrobiłeś. Możesz użyć następującego polecenia, aby sprawdzić, czy jest ono zainstalowane.

nvidia-smi

3. Utwórz środowisko wirtualne za pomocą Venv

Moduł venv jest częścią standardowej biblioteki Pythona i jest oficjalnie zalecanym sposobem tworzenia środowisk wirtualnych.

Przejdź do żądanego katalogu środowisk wirtualnych i utwórz nowe środowisko Venv o nazwie tf za pomocą następującego polecenia.

python3 -m venv tf 

Możesz go aktywować za pomocą następującego polecenia.

source tf/bin/activate    

Upewnij się, że środowisko wirtualne jest aktywowane do końca instalacji.

4. Zainstaluj TensorFlow

TensorFlow wymaga najnowszej wersji pip, więc zaktualizuj instalację pip, aby mieć pewność, że korzystasz z najnowszej wersji.

pip install --upgrade pip

Następnie zainstaluj TensorFlow za pomocą pip.

# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow

6. Sprawdź instalację

Sprawdź konfigurację procesora:

python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Jeśli zwrócony zostanie tensor, pomyślnie zainstalowałeś TensorFlow.

Sprawdź konfigurację GPU:

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Jeśli zostanie zwrócona lista urządzeń GPU, pomyślnie zainstalowałeś TensorFlow. Jeśli nie, przejdź do następnego kroku .

6. [Tylko GPU] Konfiguracja środowiska wirtualnego

Jeśli test GPU opisany w ostatniej sekcji zakończył się niepowodzeniem, najbardziej prawdopodobną przyczyną jest to, że komponenty nie są wykrywane i/lub powodują konflikt z istniejącą instalacją CUDA systemu. Aby to naprawić, musisz dodać kilka dowiązań symbolicznych.

  • Utwórz dowiązania symboliczne do udostępnionych bibliotek NVIDIA:
pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd
  • Utwórz dowiązanie symboliczne do 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

Sprawdź konfigurację GPU:

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

MacOS

1. Wymagania systemowe

  • macOS 10.12.6 (Sierra) lub nowszy (64-bitowy)

Obecnie nie ma oficjalnej obsługi GPU do uruchamiania TensorFlow na MacOS. Poniższe instrukcje dotyczą uruchamiania na procesorze.

2. Sprawdź wersję Pythona

Sprawdź, czy Twoje środowisko Python jest już skonfigurowane:

python3 --version
python3 -m pip --version

3. Zainstaluj TensorFlow

TensorFlow wymaga najnowszej wersji pip, więc zaktualizuj instalację pip, aby mieć pewność, że korzystasz z najnowszej wersji.

pip install --upgrade pip

Następnie zainstaluj TensorFlow za pomocą pip.

pip install tensorflow

4. Sprawdź instalację

python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Jeśli zwrócony zostanie tensor, pomyślnie zainstalowałeś TensorFlow.

Natywny system Windows

1. Wymagania systemowe

  • Windows 7 lub nowszy (64-bitowy)

2. Zainstaluj pakiet redystrybucyjny Microsoft Visual C++

Zainstaluj pakiet redystrybucyjny Microsoft Visual C++ dla programu Visual Studio 2015, 2017 i 2019 . Począwszy od wersji TensorFlow 2.1.0, z tego pakietu wymagany jest plik msvcp140_1.dll (który może nie być dostarczany ze starszych pakietów redystrybucyjnych). Wersja redystrybucyjna jest dostarczana z programem Visual Studio 2019, ale można ją zainstalować osobno:

  1. Przejdź do plików do pobrania Microsoft Visual C++ .
  2. Przewiń stronę w dół do sekcji Visual Studio 2015, 2017 i 2019 .
  3. Pobierz i zainstaluj pakiet redystrybucyjny Microsoft Visual C++ dla Visual Studio 2015, 2017 i 2019 dla swojej platformy.

Upewnij się, że w systemie Windows włączone są długie ścieżki .

3. Zainstaluj Minicondę

Miniconda to zalecane podejście do instalacji TensorFlow z obsługą procesora graficznego. Tworzy oddzielne środowisko, aby uniknąć zmiany zainstalowanego oprogramowania w systemie. Jest to również najłatwiejszy sposób zainstalowania wymaganego oprogramowania, zwłaszcza do konfiguracji procesora graficznego.

Pobierz instalator Windows Miniconda . Kliknij dwukrotnie pobrany plik i postępuj zgodnie z instrukcjami wyświetlanymi na ekranie.

4. Utwórz środowisko Conda

Utwórz nowe środowisko Conda o nazwie tf za pomocą następującego polecenia.

conda create --name tf python=3.9

Możesz go dezaktywować i aktywować za pomocą następujących poleceń.

conda deactivate
conda activate tf

Upewnij się, że jest on aktywowany do końca instalacji.

5. Konfiguracja GPU

Możesz pominąć tę sekcję, jeśli uruchamiasz TensorFlow tylko na procesorze.

Najpierw zainstaluj sterownik procesora graficznego NVIDIA, jeśli jeszcze tego nie zrobiłeś.

Następnie zainstaluj CUDA, cuDNN z Condą.

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0

6. Zainstaluj TensorFlow

TensorFlow wymaga najnowszej wersji pip, więc zaktualizuj instalację pip, aby mieć pewność, że korzystasz z najnowszej wersji.

pip install --upgrade pip

Następnie zainstaluj TensorFlow za pomocą pip.

# Anything above 2.10 is not supported on the GPU on Windows Native
pip install "tensorflow<2.11" 

7. Sprawdź instalację

Sprawdź konfigurację procesora:

python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Jeśli zwrócony zostanie tensor, pomyślnie zainstalowałeś TensorFlow.

Sprawdź konfigurację GPU:

python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Jeśli zostanie zwrócona lista urządzeń GPU, pomyślnie zainstalowałeś TensorFlow.

Windows WSL2

1. Wymagania systemowe

  • Windows 10 19044 lub nowszy (64-bitowy). Odpowiada to wersji systemu Windows 10 21H2, aktualizacji z listopada 2021 r.

Zobacz następujące dokumenty, aby:

2. Konfiguracja GPU

Możesz pominąć tę sekcję, jeśli uruchamiasz TensorFlow tylko na procesorze.

Zainstaluj sterownik procesora graficznego NVIDIA, jeśli jeszcze tego nie zrobiłeś. Możesz użyć następującego polecenia, aby sprawdzić, czy jest ono zainstalowane.

nvidia-smi

3. Zainstaluj TensorFlow

TensorFlow wymaga najnowszej wersji pip, więc zaktualizuj instalację pip, aby mieć pewność, że korzystasz z najnowszej wersji.

pip install --upgrade pip

Następnie zainstaluj TensorFlow za pomocą pip.

# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow

4. Sprawdź instalację

Sprawdź konfigurację procesora:

python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Jeśli zwrócony zostanie tensor, pomyślnie zainstalowałeś TensorFlow.

Sprawdź konfigurację GPU:

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Jeśli zostanie zwrócona lista urządzeń GPU, pomyślnie zainstalowałeś TensorFlow.

Lokalizacja pakietu

Kilka mechanizmów instalacji wymaga adresu URL pakietu TensorFlow Python. Określona wartość zależy od wersji języka Python.

Wersja Adres URL
Linux x86
Obsługa procesora graficznego Python 3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Tylko procesor Python 3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow_cpu-2.17.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Obsługa procesora graficznego Python 3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Tylko procesor Python 3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow_cpu-2.17.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Obsługa procesora graficznego Python 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Tylko procesor Python 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow_cpu-2.17.0-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Obsługa procesora graficznego Python 3.12 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Tylko procesor Python 3.12 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow_cpu-2.17.0-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Linux Arm64 (tylko procesor)
Pythona 3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp39-cp39-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Pythona 3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp310-cp310-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Pythona 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp311-cp311-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Pythona 3.12 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp312-cp312-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
macOS x86 (tylko procesor)
Uwaga : TensorFlow 2.16 był ostatnią wersją TensorFlow obsługującą macOS x86
Pythona 3.9 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp39-cp39-macosx_10_15_x86_64.whl
Pythona 3.10 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp310-cp310-macosx_10_15_x86_64.whl
Pythona 3.11 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp311-cp311-macosx_10_15_x86_64.whl
Pythona 3.12 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp312-cp312-macosx_10_15_x86_64.whl
macOS Arm64 (tylko procesor)
Pythona 3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp39-cp39-macosx_12_0_arm64.whl
Pythona 3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp310-cp310-macosx_12_0_arm64.whl
Pythona 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp311-cp311-macosx_12_0_arm64.whl
Pythona 3.12 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp312-cp312-macosx_12_0_arm64.whl
Windows (tylko procesor)
Pythona 3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp39-cp39-win_amd64.whl
Pythona 3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp310-cp310-win_amd64.whl
Pythona 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp311-cp311-win_amd64.whl
Pythona 3.12 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp312-cp312-win_amd64.whl
,

Ten przewodnik dotyczy najnowszej stabilnej wersji TensorFlow. W przypadku kompilacji podglądu (nightly) użyj pakietu pip o nazwie tf-nightly . Zapoznaj się z tymi tabelami , aby zapoznać się z wymaganiami starszych wersji TensorFlow. W przypadku kompilacji obsługującej tylko procesor użyj pakietu pip o nazwie tensorflow-cpu .

Oto krótkie wersje poleceń instalacyjnych. Przewiń w dół, aby zapoznać się z instrukcjami krok po kroku.

Linuksa

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])))"

Natywny system 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'))"

Procesor

python3 -m pip install tensorflow
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Nocny

python3 -m pip install tf-nightly
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Wymagania sprzętowe

Obsługiwane są następujące urządzenia obsługujące procesor graficzny:

  • Karta graficzna NVIDIA® z architekturami CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 i nowszymi. Zobacz listę kart graficznych obsługujących CUDA® .
  • W przypadku procesorów graficznych z nieobsługiwaną architekturą CUDA®, aby uniknąć kompilacji JIT z PTX lub aby użyć różnych wersji bibliotek NVIDIA®, zapoznaj się z przewodnikiem dotyczącym kompilacji systemu Linux ze źródła .
  • Pakiety nie zawierają kodu PTX z wyjątkiem najnowszej obsługiwanej architektury CUDA®; dlatego TensorFlow nie ładuje się na starszych procesorach graficznych, gdy ustawiono CUDA_FORCE_PTX_JIT=1 . (Szczegółowe informacje można znaleźć w części Zgodność aplikacji .)

Wymagania systemowe

  • Ubuntu 16.04 lub nowszy (64-bitowy)
  • macOS 10.12.6 (Sierra) lub nowszy (64-bitowy) (bez obsługi GPU)
  • Windows Native — Windows 7 lub nowszy (64-bitowy) (brak obsługi GPU po TF 2.10)
  • Windows WSL2 — Windows 10 19044 lub nowszy (64-bitowy)

Wymagania dotyczące oprogramowania

Następujące oprogramowanie NVIDIA® jest wymagane wyłącznie do obsługi procesora graficznego.

Instrukcje krok po kroku

Linuksa

1. Wymagania systemowe

  • Ubuntu 16.04 lub nowszy (64-bitowy)

TensorFlow oficjalnie obsługuje tylko Ubuntu. Jednak poniższe instrukcje mogą również działać w przypadku innych dystrybucji Linuksa.

2. Konfiguracja GPU

Możesz pominąć tę sekcję, jeśli uruchamiasz TensorFlow tylko na procesorze.

Zainstaluj sterownik procesora graficznego NVIDIA, jeśli jeszcze tego nie zrobiłeś. Możesz użyć następującego polecenia, aby sprawdzić, czy jest ono zainstalowane.

nvidia-smi

3. Utwórz środowisko wirtualne za pomocą Venv

Moduł venv jest częścią standardowej biblioteki Pythona i jest oficjalnie zalecanym sposobem tworzenia środowisk wirtualnych.

Przejdź do żądanego katalogu środowisk wirtualnych i utwórz nowe środowisko Venv o nazwie tf za pomocą następującego polecenia.

python3 -m venv tf 

Możesz go aktywować za pomocą następującego polecenia.

source tf/bin/activate    

Upewnij się, że środowisko wirtualne jest aktywowane do końca instalacji.

4. Zainstaluj TensorFlow

TensorFlow wymaga najnowszej wersji pip, więc zaktualizuj instalację pip, aby mieć pewność, że korzystasz z najnowszej wersji.

pip install --upgrade pip

Następnie zainstaluj TensorFlow za pomocą pip.

# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow

6. Sprawdź instalację

Sprawdź konfigurację procesora:

python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Jeśli zwrócony zostanie tensor, pomyślnie zainstalowałeś TensorFlow.

Sprawdź konfigurację GPU:

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Jeśli zostanie zwrócona lista urządzeń GPU, pomyślnie zainstalowałeś TensorFlow. Jeśli nie, przejdź do następnego kroku .

6. [Tylko GPU] Konfiguracja środowiska wirtualnego

Jeśli test GPU opisany w ostatniej sekcji zakończył się niepowodzeniem, najbardziej prawdopodobną przyczyną jest to, że komponenty nie są wykrywane i/lub powodują konflikt z istniejącą instalacją CUDA systemu. Aby to naprawić, musisz dodać kilka dowiązań symbolicznych.

  • Utwórz dowiązania symboliczne do udostępnionych bibliotek NVIDIA:
pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd
  • Utwórz dowiązanie symboliczne do 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

Sprawdź konfigurację GPU:

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

MacOS

1. Wymagania systemowe

  • macOS 10.12.6 (Sierra) lub nowszy (64-bitowy)

Obecnie nie ma oficjalnej obsługi GPU do uruchamiania TensorFlow na MacOS. Poniższe instrukcje dotyczą uruchamiania na procesorze.

2. Sprawdź wersję Pythona

Sprawdź, czy Twoje środowisko Python jest już skonfigurowane:

python3 --version
python3 -m pip --version

3. Zainstaluj TensorFlow

TensorFlow wymaga najnowszej wersji pip, więc zaktualizuj instalację pip, aby mieć pewność, że korzystasz z najnowszej wersji.

pip install --upgrade pip

Następnie zainstaluj TensorFlow za pomocą pip.

pip install tensorflow

4. Sprawdź instalację

python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Jeśli zwrócony zostanie tensor, pomyślnie zainstalowałeś TensorFlow.

Natywny system Windows

1. Wymagania systemowe

  • Windows 7 lub nowszy (64-bitowy)

2. Zainstaluj pakiet redystrybucyjny Microsoft Visual C++

Zainstaluj pakiet redystrybucyjny Microsoft Visual C++ dla programu Visual Studio 2015, 2017 i 2019 . Począwszy od wersji TensorFlow 2.1.0, z tego pakietu wymagany jest plik msvcp140_1.dll (który może nie być dostarczany ze starszych pakietów redystrybucyjnych). Wersja redystrybucyjna jest dostarczana z programem Visual Studio 2019, ale można ją zainstalować osobno:

  1. Przejdź do plików do pobrania Microsoft Visual C++ .
  2. Przewiń stronę w dół do sekcji Visual Studio 2015, 2017 i 2019 .
  3. Pobierz i zainstaluj pakiet redystrybucyjny Microsoft Visual C++ dla Visual Studio 2015, 2017 i 2019 dla swojej platformy.

Upewnij się, że w systemie Windows włączone są długie ścieżki .

3. Zainstaluj Minicondę

Miniconda to zalecane podejście do instalacji TensorFlow z obsługą procesora graficznego. Tworzy oddzielne środowisko, aby uniknąć zmiany zainstalowanego oprogramowania w systemie. Jest to również najłatwiejszy sposób zainstalowania wymaganego oprogramowania, zwłaszcza do konfiguracji procesora graficznego.

Pobierz instalator Windows Miniconda . Kliknij dwukrotnie pobrany plik i postępuj zgodnie z instrukcjami wyświetlanymi na ekranie.

4. Utwórz środowisko Conda

Utwórz nowe środowisko Conda o nazwie tf za pomocą następującego polecenia.

conda create --name tf python=3.9

Możesz go dezaktywować i aktywować za pomocą następujących poleceń.

conda deactivate
conda activate tf

Upewnij się, że jest on aktywowany do końca instalacji.

5. Konfiguracja GPU

Możesz pominąć tę sekcję, jeśli uruchamiasz TensorFlow tylko na procesorze.

Najpierw zainstaluj sterownik procesora graficznego NVIDIA, jeśli jeszcze tego nie zrobiłeś.

Następnie zainstaluj CUDA, cuDNN z Condą.

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0

6. Zainstaluj TensorFlow

TensorFlow wymaga najnowszej wersji pip, więc zaktualizuj instalację pip, aby mieć pewność, że korzystasz z najnowszej wersji.

pip install --upgrade pip

Następnie zainstaluj TensorFlow za pomocą pip.

# Anything above 2.10 is not supported on the GPU on Windows Native
pip install "tensorflow<2.11" 

7. Sprawdź instalację

Sprawdź konfigurację procesora:

python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Jeśli zwrócony zostanie tensor, pomyślnie zainstalowałeś TensorFlow.

Sprawdź konfigurację GPU:

python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Jeśli zostanie zwrócona lista urządzeń GPU, pomyślnie zainstalowałeś TensorFlow.

Windows WSL2

1. Wymagania systemowe

  • Windows 10 19044 lub nowszy (64-bitowy). Odpowiada to wersji systemu Windows 10 21H2, aktualizacji z listopada 2021 r.

Zobacz następujące dokumenty, aby:

2. Konfiguracja GPU

Możesz pominąć tę sekcję, jeśli uruchamiasz TensorFlow tylko na procesorze.

Zainstaluj sterownik procesora graficznego NVIDIA, jeśli jeszcze tego nie zrobiłeś. Możesz użyć następującego polecenia, aby sprawdzić, czy jest ono zainstalowane.

nvidia-smi

3. Zainstaluj TensorFlow

TensorFlow wymaga najnowszej wersji pip, więc zaktualizuj instalację pip, aby mieć pewność, że korzystasz z najnowszej wersji.

pip install --upgrade pip

Następnie zainstaluj TensorFlow za pomocą pip.

# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow

4. Sprawdź instalację

Sprawdź konfigurację procesora:

python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Jeśli zwrócony zostanie tensor, pomyślnie zainstalowałeś TensorFlow.

Sprawdź konfigurację GPU:

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Jeśli zostanie zwrócona lista urządzeń GPU, pomyślnie zainstalowałeś TensorFlow.

Lokalizacja pakietu

Kilka mechanizmów instalacji wymaga adresu URL pakietu TensorFlow Python. Określona wartość zależy od wersji języka Python.

Wersja Adres URL
Linux x86
Obsługa procesora graficznego Python 3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Tylko procesor Python 3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow_cpu-2.17.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Obsługa procesora graficznego Python 3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Tylko procesor Python 3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow_cpu-2.17.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Obsługa procesora graficznego Python 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Tylko procesor Python 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow_cpu-2.17.0-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Obsługa procesora graficznego Python 3.12 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Tylko procesor Python 3.12 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow_cpu-2.17.0-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Linux Arm64 (tylko procesor)
Pythona 3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp39-cp39-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Pythona 3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp310-cp310-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Pythona 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp311-cp311-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Pythona 3.12 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp312-cp312-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
macOS x86 (tylko procesor)
Uwaga : TensorFlow 2.16 był ostatnią wersją TensorFlow obsługującą macOS x86
Pythona 3.9 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp39-cp39-macosx_10_15_x86_64.whl
Pythona 3.10 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp310-cp310-macosx_10_15_x86_64.whl
Pythona 3.11 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp311-cp311-macosx_10_15_x86_64.whl
Pythona 3.12 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp312-cp312-macosx_10_15_x86_64.whl
macOS Arm64 (tylko procesor)
Pythona 3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp39-cp39-macosx_12_0_arm64.whl
Pythona 3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp310-cp310-macosx_12_0_arm64.whl
Pythona 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp311-cp311-macosx_12_0_arm64.whl
Pythona 3.12 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp312-cp312-macosx_12_0_arm64.whl
Windows (tylko procesor)
Pythona 3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp39-cp39-win_amd64.whl
Pythona 3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp310-cp310-win_amd64.whl
Pythona 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp311-cp311-win_amd64.whl
Pythona 3.12 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp312-cp312-win_amd64.whl