Google I/O is a wrap! Catch up on TensorFlow sessions View sessions

Cài đặt TensorFlow bằng pip

Hướng dẫn này dành cho phiên bản ổn định mới nhất của TensorFlow. Đối với bản dựng xem trước (hàng đêm) , vui lòng sử dụng gói pip có tên tf-nightly . Tham khảo các bảng này để biết các yêu cầu về phiên bản TensorFlow cũ hơn. Đối với người dùng TensorFlow 1.x, vui lòng tham khảo hướng dẫn di chuyển để nâng cấp lên TensorFlow 2.

Đây là bảng tra cứu các lệnh cài đặt. Cuộn xuống để xem hướng dẫn từng bước.

Linux

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Hệ điều hành Mac

# Currently, we do not have 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])))"

các cửa sổ

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

CPU

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

Hàng đêm

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

Yêu cầu phần cứng

Các thiết bị hỗ trợ GPU sau được hỗ trợ:

  • Card GPU NVIDIA® với kiến ​​trúc CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 và cao hơn. Xem danh sách các thẻ GPU hỗ trợ CUDA® .
  • Đối với các GPU có kiến ​​trúc CUDA® không được hỗ trợ hoặc để tránh biên dịch JIT từ PTX hoặc để sử dụng các phiên bản khác nhau của thư viện NVIDIA®, hãy xem hướng dẫn xây dựng Linux từ nguồn .
  • Các gói không chứa mã PTX ngoại trừ kiến ​​trúc CUDA® được hỗ trợ mới nhất; do đó, TensorFlow không tải được trên các GPU cũ hơn khi CUDA_FORCE_PTX_JIT=1 được đặt. (Xem Khả năng tương thích của Ứng dụng để biết thêm chi tiết.)

Yêu cầu hệ thống

  • Ubuntu 16.04 trở lên (64-bit)
  • macOS 10.12.6 (Sierra) trở lên (64-bit) (không hỗ trợ GPU)
  • Windows 7 trở lên (64-bit)

Yêu cầu phần mềm

Phần mềm NVIDIA® sau chỉ cần thiết để hỗ trợ GPU.

Hướng dẫn từng bước một

Linux

Chúng tôi chỉ chính thức hỗ trợ Ubuntu. Tuy nhiên, các hướng dẫn sau đây cũng có thể hoạt động đối với các bản phân phối Linux khác.

Chúng tôi khuyên bạn nên sử dụng Miniconda để tạo một môi trường riêng biệt nhằm tránh thay đổi bất kỳ phần mềm đã cài đặt nào trong hệ thống của bạn. Đây cũng là cách dễ nhất để cài đặt phần mềm cần thiết, đặc biệt là để thiết lập GPU.

1. Cài đặt Miniconda

Bạn có thể sử dụng lệnh sau để cài đặt Miniconda. Trong khi cài đặt, bạn có thể cần nhấn enter và gõ "yes".

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

Bạn có thể cần khởi động lại thiết bị đầu cuối hoặc source ~/.bashrc để bật lệnh conda . Sử dụng conda -V để kiểm tra xem nó có được cài đặt thành công hay không.

2. Tạo môi trường chung cư

Tạo một môi trường chung cư mới có tên tf bằng lệnh sau.

conda create --name tf python=3.9

Bạn có thể hủy kích hoạt và kích hoạt nó bằng các lệnh sau.

conda deactivate
conda activate tf

Hãy đảm bảo rằng nó đã được kích hoạt trong phần còn lại của quá trình cài đặt.

3. Thiết lập GPU

Bạn có thể bỏ qua phần này nếu chỉ chạy TensorFlow trên CPU.

Đầu tiên, chúng ta cần cài đặt trình điều khiển GPU NVIDIA nếu bạn chưa cài đặt. Bạn có thể sử dụng lệnh sau để xác minh rằng nó đã được cài đặt.

nvidia-smi

Sau đó, chúng tôi cài đặt CUDA, cuDNN với conda.

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

Định cấu hình các đường dẫn hệ thống. Bạn có thể làm điều đó với lệnh sau mỗi khi khởi động một thiết bị đầu cuối mới sau khi kích hoạt môi trường chung cư của bạn.

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/

Tuy nhiên, để thuận tiện cho bạn, chúng tôi khuyên bạn nên tự động hóa nó bằng các lệnh sau. Các đường dẫn hệ thống sẽ được tự động cấu hình khi bạn kích hoạt môi trường chung cư này.

mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/' > $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh

4. Cài đặt TensorFlow

TensorFlow yêu cầu phiên bản pip gần đây, vì vậy hãy nâng cấp cài đặt pip của bạn để đảm bảo rằng bạn đang chạy phiên bản mới nhất.

pip install --upgrade pip

Sau đó, cài đặt TensorFlow bằng pip.

pip install tensorflow

5. Xác minh cài đặt

Xác minh thiết lập CPU:

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

Nếu một tensor được trả về, bạn đã cài đặt TensorFlow thành công.

Xác minh thiết lập GPU:

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

Nếu danh sách các thiết bị GPU được trả về, bạn đã cài đặt TensorFlow thành công.

Hệ điều hành Mac

Hiện tại, chúng tôi không có hỗ trợ GPU chính thức để chạy TensorFlow trên MacOS. Sau đây là hướng dẫn để chạy trên CPU.

1. Kiểm tra phiên bản Python

Kiểm tra xem môi trường Python của bạn đã được định cấu hình chưa:

python3 --version
python3 -m pip --version

Nếu bạn có phiên bản Python và pip chính xác, bạn có thể bỏ qua hai bước tiếp theo và chuyển đến "4. Cài đặt TensorFlow". Tuy nhiên, chúng tôi vẫn khuyên bạn không nên bỏ qua các bước. Sử dụng Miniconda để cài đặt Python và pip. Nó tạo ra một môi trường riêng biệt để tránh thay đổi bất kỳ phần mềm đã cài đặt nào trong hệ thống của bạn.

2. Cài đặt Miniconda

Bạn có thể sử dụng lệnh sau để cài đặt Miniconda. Trong khi cài đặt, bạn có thể cần nhấn enter và gõ "yes".

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

Bạn có thể cần khởi động lại thiết bị đầu cuối hoặc source ~/.bashrc để bật lệnh conda . Sử dụng conda -V để kiểm tra xem nó có được cài đặt thành công hay không.

3. Tạo môi trường chung cư

Tạo một môi trường chung cư mới có tên tf bằng lệnh sau.

conda create --name tf python=3.9

Bạn có thể hủy kích hoạt và kích hoạt nó bằng các lệnh sau.

conda deactivate
conda activate tf

Hãy đảm bảo rằng nó đã được kích hoạt trong phần còn lại của quá trình cài đặt.

4. Cài đặt TensorFlow

TensorFlow yêu cầu phiên bản pip gần đây, vì vậy hãy nâng cấp cài đặt pip của bạn để đảm bảo rằng bạn đang chạy phiên bản mới nhất.

pip install --upgrade pip

Sau đó, cài đặt TensorFlow bằng pip.

pip install tensorflow

5. Xác minh cài đặt

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

Nếu một tensor được trả về, bạn đã cài đặt TensorFlow thành công.

các cửa sổ

1. Cài đặt Microsoft Visual C ++ Redistributable

Cài đặt Microsoft Visual C ++ Redistributable cho Visual Studio 2015, 2017 và 2019 . Bắt đầu với phiên bản TensorFlow 2.1.0, tệp msvcp140_1.dll là bắt buộc từ gói này (có thể không được cung cấp từ các gói có thể phân phối lại cũ hơn). Bản có thể phân phối lại đi kèm với Visual Studio 2019 nhưng có thể được cài đặt riêng:

  1. Chuyển đến phần tải xuống Microsoft Visual C ++ .
  2. Cuộn xuống trang đến phần Visual Studio 2015, 2017 và 2019 .
  3. Tải xuống và cài đặt Microsoft Visual C ++ Redistributable cho Visual Studio 2015, 2017 và 2019 cho nền tảng của bạn.

Đảm bảo rằng các đường dẫn dài được bật trên Windows.

2. Cài đặt Miniconda

Chúng tôi khuyên bạn nên sử dụng Miniconda để tạo một môi trường riêng biệt nhằm tránh thay đổi bất kỳ phần mềm đã cài đặt nào trong hệ thống của bạn. Đây cũng là cách dễ nhất để cài đặt phần mềm cần thiết, đặc biệt là để thiết lập GPU.

Tải xuống Miniconda Windows Installer . Bấm đúp vào tệp đã tải xuống và làm theo hướng dẫn trên màn hình.

3. Tạo môi trường chung cư

Tạo một môi trường chung cư mới có tên tf bằng lệnh sau.

conda create --name tf python=3.9

Bạn có thể hủy kích hoạt và kích hoạt nó bằng các lệnh sau.

conda deactivate
conda activate tf

Hãy đảm bảo rằng nó đã được kích hoạt trong phần còn lại của quá trình cài đặt.

4. Thiết lập GPU

Bạn có thể bỏ qua phần này nếu chỉ chạy TensorFlow trên CPU.

Đầu tiên, chúng ta cần cài đặt trình điều khiển GPU NVIDIA nếu bạn chưa cài đặt.

Sau đó, chúng tôi cài đặt CUDA, cuDNN với conda.

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

5. Cài đặt TensorFlow

TensorFlow yêu cầu phiên bản pip gần đây, vì vậy hãy nâng cấp cài đặt pip của bạn để đảm bảo rằng bạn đang chạy phiên bản mới nhất.

pip install --upgrade pip

Sau đó, cài đặt TensorFlow bằng pip.

pip install tensorflow

6. Xác minh cài đặt

Xác minh thiết lập CPU:

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

Nếu một tensor được trả về, bạn đã cài đặt TensorFlow thành công.

Xác minh thiết lập GPU:

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

Nếu danh sách các thiết bị GPU được trả về, bạn đã cài đặt TensorFlow thành công.

Vị trí gói hàng

Một số cơ chế cài đặt yêu cầu URL của gói TensorFlow Python. Giá trị bạn chỉ định phụ thuộc vào phiên bản Python của bạn.

Phiên bản URL
Linux
Hỗ trợ GPU Python 3.7 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.9.0-cp37-cp37m-manylinux2014.whl
Python 3.7 chỉ dành cho CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.9.0-cp37-cp37m-manylinux2014.whl
Hỗ trợ GPU Python 3.8 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.9.0-cp38-cp38-manylinux2014.whl
Python 3.8 chỉ dành cho CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.9.0-cp38-cp38-manylinux2014.whl
Hỗ trợ GPU Python 3.9 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.9.0-cp39-cp39-manylinux2014.whl
Python 3.9 chỉ dành cho CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.9.0-cp39-cp39-manylinux2014.whl
Hỗ trợ GPU Python 3.10 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.9.0-cp310-cp310-manylinux2014.whl
Python 3.10 chỉ dành cho CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.9.0-cp310-cp310-manylinux2014.whl
macOS (chỉ dành cho CPU)
Python 3.7 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.9.0-cp37-cp37m-macosx_10_14_x86_64.whl
Python 3,8 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.9.0-cp38-cp38-macosx_10_14_x86_64.whl
Python 3.9 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.9.0-cp39-cp39-macosx_10_14_x86_64.whl
Python 3.10 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.9.0-cp310-cp310-macosx_10_14_x86_64.whl
các cửa sổ
Hỗ trợ GPU Python 3.7 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.9.0-cp37-cp37m-win_amd64.whl
Python 3.7 chỉ dành cho CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.9.0-cp37-cp37m-win_amd64.whl
Hỗ trợ GPU Python 3.8 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.9.0-cp38-cp38-win_amd64.whl
Python 3.8 chỉ dành cho CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.9.0-cp38-cp38-win_amd64.whl
Hỗ trợ GPU Python 3.9 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.9.0-cp39-cp39-win_amd64.whl
Python 3.9 chỉ dành cho CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.9.0-cp39-cp39-win_amd64.whl
Hỗ trợ GPU Python 3.10 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.9.0-cp310-cp310-win_amd64.whl
Python 3.10 chỉ dành cho CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.9.0-cp310-cp310-win_amd64.whl