Google 致力于为黑人社区推动种族平等。查看具体举措
Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

Zainstaluj TensorFlow za pomocą pip

Dostępne są pakiety TensorFlow 2

  • tensorflow Najnowsza stabilna wersja z obsługą procesora i karty graficznej (Ubuntu i Windows)
  • tf-nightly Wersja podglądu (niestabilna) . Ubuntu i Windows obsługują GPU .

Starsze wersje TensorFlow

W przypadku TensorFlow 1.x pakiety CPU i GPU są oddzielne:

  • tensorflow==1.15 tylko dla procesora
  • tensorflow-gpu==1.15 wydanie z obsługą GPU (Ubuntu i Windows)

Wymagania systemowe

Wymagania sprzętowe

  • Począwszy od TensorFlow 1.6, pliki binarne używają instrukcji AVX, które mogą nie działać na starszych procesorach.
  • Przeczytaj przewodnik obsługi GPU, aby skonfigurować kartę GPU z obsługą CUDA® w systemie Ubuntu lub Windows.

1. Zainstaluj środowisko programistyczne Python w swoim systemie

Sprawdź, czy Twoje środowisko Python jest już skonfigurowane:

python3 --version
pip3 --version

Jeśli te pakiety są już zainstalowane, przejdź do następnego kroku.
W przeciwnym razie zainstaluj Pythona , menedżera pakietów pip i venv :

Ubuntu

sudo apt update
sudo apt install python3-dev python3-pip python3-venv

System operacyjny Mac

Zainstaluj za pomocą menedżera pakietów Homebrew :

/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
export PATH="/usr/local/opt/python/libexec/bin:$PATH"
# if you are on macOS 10.12 (Sierra) use `export PATH="/usr/local/bin:/usr/local/sbin:$PATH"`
brew update
brew install python  # Python 3

Windows

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

  1. Przejdź do pobierania 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 programu Visual Studio 2015, 2017 i 2019 dla swojej platformy.

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

Zainstaluj 64-bitową wersję Python 3 dla systemu Windows (wybierz pip jako funkcję opcjonalną).

Raspberry Pi

Wymagania dla systemu operacyjnego Raspbian :

sudo apt update
sudo apt install python3-dev python3-pip python3-venv
sudo apt install libatlas-base-dev        # required for numpy

Inny

curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
python get-pip.py

Środowiska wirtualne Python są używane do izolowania instalacji pakietu od systemu.

Ubuntu / macOS

Utwórz nowe środowisko wirtualne, wybierając interpreter ./venv Python i tworząc katalog ./venv do przechowywania:

python3 -m venv --system-site-packages ./venv

Aktywuj środowisko wirtualne za pomocą polecenia specyficznego dla powłoki:

source ./venv/bin/activate  # sh, bash, or zsh
. ./venv/bin/activate.fish  # fish
source ./venv/bin/activate.csh  # csh or tcsh

Gdy środowisko wirtualne jest aktywne, znak zachęty powłoki jest poprzedzony przedrostkiem (venv) .

Instaluj pakiety w środowisku wirtualnym bez wpływu na konfigurację systemu hosta. Zacznij od aktualizacji pip :

pip install --upgrade pip

pip list  # show packages installed within the virtual environment

Aby później wyjść ze środowiska wirtualnego:

deactivate  # don't exit until you're done using TensorFlow

Windows

Utwórz nowe środowisko wirtualne, wybierając interpreter .\venv Python i tworząc katalog .\venv do przechowywania:

python -m venv --system-site-packages .\venv

Aktywuj środowisko wirtualne:

.\venv\Scripts\activate

Instaluj pakiety w środowisku wirtualnym bez wpływu na konfigurację systemu hosta. Zacznij od aktualizacji pip :

pip install --upgrade pip

pip list  # show packages installed within the virtual environment

Aby później wyjść ze środowiska wirtualnego:

deactivate  # don't exit until you're done using TensorFlow

Conda

Chociaż zalecany jest pakiet pip dostarczony przez TensorFlow, dostępny jest pakiet Anaconda obsługiwany przez społeczność . Aby zainstalować, przeczytaj przewodnik Anaconda TensorFlow .

3. Zainstaluj pakiet pip TensorFlow

Wybierz jeden z następujących pakietów TensorFlow do zainstalowania z PyPI :

  • tensorflow Najnowsza stabilna wersja z obsługą CPU i GPU (Ubuntu i Windows) .
  • tf-nightly Wersja podglądu (niestabilna) . Ubuntu i Windows obsługują GPU .
  • tensorflow==1.15 - ostateczna wersja TensorFlow 1.x.

Instalacja środowiska wirtualnego

pip install --upgrade tensorflow

Sprawdź instalację:

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

Instalacja systemu

pip3 install --user --upgrade tensorflow  # install in $HOME

Sprawdź instalację:

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

Lokalizacja pakietu

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

Wersja URL
Linux
Obsługa GPU w Pythonie 3.5 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.3.0-cp35-cp35m-manylinux2010_x86_64.whl
Tylko procesor Python 3.5 https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.3.0-cp35-cp35m-manylinux2010_x86_64.whl
Obsługa GPU w Pythonie 3.6 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.3.0-cp36-cp36m-manylinux2010_x86_64.whl
Tylko procesor Python 3.6 https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.3.0-cp36-cp36m-manylinux2010_x86_64.whl
Obsługa GPU w Pythonie 3.7 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.3.0-cp37-cp37m-manylinux2010_x86_64.whl
Tylko procesor Python 3.7 https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.3.0-cp37-cp37m-manylinux2010_x86_64.whl
Obsługa procesorów graficznych w Pythonie 3.8 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.3.0-cp38-cp38-manylinux2010_x86_64.whl
Tylko procesor Python 3.8 https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.3.0-cp38-cp38-manylinux2010_x86_64.whl
macOS (tylko procesor)
Python 3.5 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.3.0-cp35-cp35m-macosx_10_6_intel.whl
Python 3.6.0 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.3.0-cp36-cp36m-macosx_10_9_x86_64.whl
Python 3.7.0 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.3.0-cp37-cp37m-macosx_10_9_x86_64.whl
Python 3.8 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.3.0-cp38-cp38-macosx_10_14_x86_64.whl
Windows
Obsługa GPU w Pythonie 3.5 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.3.0-cp35-cp35m-win_amd64.whl
Tylko procesor Python 3.5 https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.3.0-cp35-cp35m-win_amd64.whl
Obsługa GPU w Pythonie 3.6 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.3.0-cp36-cp36m-win_amd64.whl
Tylko procesor Python 3.6 https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.3.0-cp36-cp36m-win_amd64.whl
Obsługa GPU w Pythonie 3.7 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.3.0-cp37-cp37m-win_amd64.whl
Tylko procesor Python 3.7 https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.3.0-cp37-cp37m-win_amd64.whl
Obsługa procesorów graficznych w Pythonie 3.8 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.3.0-cp38-cp38-win_amd64.whl
Tylko procesor Python 3.8 https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.3.0-cp38-cp38-win_amd64.whl
Raspberry PI (tylko CPU)
Python 3, Pi0 lub Pi1 https://storage.googleapis.com/tensorflow/raspberrypi/tensorflow-2.3.0-cp35-none-linux_armv6l.whl
Python 3, Pi2 lub Pi3 https://storage.googleapis.com/tensorflow/raspberrypi/tensorflow-2.3.0-cp35-none-linux_armv7l.whl