Hướng dẫn này dành cho phiên bản ổn định mới nhất của TensorFlow. Đối với bản dựng xem trước (hàng đêm) , hãy sử dụng gói pip có tên tf-nightly . Tham khảo các bảng này để biết các yêu cầu phiên bản TensorFlow cũ hơn. Đối với bản dựng chỉ dành cho CPU, hãy sử dụng gói pip có tên tensorflow-cpu .
Dưới đây là các phiên bản nhanh của các lệnh cài đặt. Cuộn xuống để xem hướng dẫn từng bước.
Linux
conda install -c conda-forge cudatoolkit=11.8.0
python3 -m pip install nvidia-cudnn-cu11==8.6.0.163 tensorflow==2.13.*
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
source $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Hệ điều hành Mac
# There is currently no 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])))"
Windows bản địa
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 install:
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Windows WSL2
conda install -c conda-forge cudatoolkit=11.8.0
python3 -m pip install nvidia-cudnn-cu11==8.6.0.163 tensorflow==2.13.*
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
source $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
# 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:
- Thẻ GPU NVIDIA® với kiến trúc CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 trở lên. Xem danh sách các card GPU hỗ trợ CUDA® .
- Đối với GPU có kiến trúc CUDA® không được hỗ trợ hoặc để tránh quá trình biên dịch JIT từ PTX hoặc để sử dụng các phiên bản khác nhau của thư viện NVIDIA®, hãy xem bản dựng Linux từ hướng dẫn 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=1được đặt. (Xem Khả năng tương thích ứng dụng để biết 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 Native - Windows 7 trở lên (64-bit) (không hỗ trợ GPU sau TF 2.10)
- Windows WSL2 - Windows 10 19044 trở lên (64-bit)
Yêu cầu phần mềm
- Python 3.8–3.11
- phiên bản pip 19.0 trở lên cho Linux (yêu cầu hỗ trợ
manylinux2014) và Windows. phiên bản pip 20.3 trở lên cho macOS. - Windows Native Yêu cầu Microsoft Visual C++ Có thể phân phối lại cho Visual Studio 2015, 2017 và 2019
Phần mềm NVIDIA® sau đây chỉ được yêu cầu để hỗ trợ GPU.
- Trình điều khiển GPU NVIDIA® phiên bản 450.80.02 trở lên.
- Bộ công cụ CUDA® 11.8 .
- cuDNN SDK 8.6.0 .
- (Tùy chọn) TensorRT để cải thiện độ trễ và thông lượng cho suy luận.
Hướng dẫn từng bước một
Linux
1. Yêu cầu hệ thống
- Ubuntu 16.04 trở lên (64-bit)
TensorFlow chỉ hỗ trợ chính thức cho Ubuntu. Tuy nhiên, các hướng dẫn sau đây cũng có thể áp dụng cho các bản phân phối Linux khác.
2. Cài đặt Miniconda
Miniconda là phương pháp được đề xuất để cài đặt TensorFlow có hỗ trợ GPU. Nó tạo ra một môi trường riêng biệt để tránh thay đổi bất kỳ phần mềm nào đã cài đặt trong hệ thống của bạn. Đây cũng là cách dễ nhất để cài đặt phần mềm cần thiết, đặc biệt là cho thiết lập GPU.
Bạn có thể sử dụng lệnh sau để cài đặt Miniconda. Trong quá trình 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 đã được cài đặt thành công chưa.
3. Tạo môi trường conda
Tạo môi trường conda 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
Đảm bảo rằng nó được kích hoạt cho 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.
Trước tiên hãy cài đặt trình điều khiển GPU NVIDIA nếu bạn chưa có. Bạn có thể sử dụng lệnh sau để xác minh nó đã được cài đặt.
nvidia-smi
Sau đó cài đặt CUDA và cuDNN với conda và pip.
conda install -c conda-forge cudatoolkit=11.8.0
pip install nvidia-cudnn-cu11==8.6.0.163
Định cấu hình đường dẫn hệ thống. Bạn có thể thực hiện bằng lệnh sau mỗi khi khởi động một thiết bị đầu cuối mới sau khi kích hoạt môi trường conda của mình.
CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))
export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH
Để thuận tiện cho bạn, bạn nên tự động hóa nó bằng các lệnh sau. Các đường dẫn hệ thống sẽ được cấu hình tự động khi bạn kích hoạt môi trường conda này.
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
5. Cài đặt TensorFlow
TensorFlow yêu cầu phiên bản pip mới nhất, vì vậy hãy nâng cấp cài đặt pip của bạn để đảm bảo bạn đang chạy phiên bản mới nhất.
pip install --upgrade pip
Sau đó, cài đặt TensorFlow bằng pip.
pip install tensorflow==2.13.*
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, nghĩa là bạn đã cài đặt TensorFlow thành công.
Ubuntu 22.04
Trong Ubuntu 22.04, bạn có thể gặp lỗi sau:
Can't find libdevice directory ${CUDA_DIR}/nvvm/libdevice.
...
Couldn't invoke ptxas --version
...
InternalError: libdevice not found at ./libdevice.10.bc [Op:__some_op]
Để khắc phục lỗi này, bạn sẽ cần chạy các lệnh sau.
# Install NVCC
conda install -c nvidia cuda-nvcc=11.3.58
# Configure the XLA cuda directory
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
printf 'export XLA_FLAGS=--xla_gpu_cuda_data_dir=$CONDA_PREFIX/lib/\n' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
source $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
# Copy libdevice file to the required path
mkdir -p $CONDA_PREFIX/lib/nvvm/libdevice
cp $CONDA_PREFIX/lib/libdevice.10.bc $CONDA_PREFIX/lib/nvvm/libdevice/
Hệ điều hành Mac
1. Yêu cầu hệ thống
- macOS 10.12.6 (Sierra) trở lên (64-bit)
Hiện tại không có hỗ trợ GPU chính thức để chạy TensorFlow trên MacOS. Các hướng dẫn sau đây dành cho chạy trên CPU.
2. Kiểm tra phiên bản Python
Kiểm tra xem môi trường Python của bạn đã được cấu hình chưa:
python3 --version
python3 -m pip --version
3. Cài đặt Miniconda
Miniconda là phương pháp được đề xuất để cài đặt TensorFlow. Nó tạo ra một môi trường riêng biệt để tránh thay đổi bất kỳ phần mềm nào đã cài đặt trong hệ thống của bạn.
Cài đặt Miniconda:
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 đã được cài đặt thành công chưa.
4. Tạo môi trường conda
Tạo môi trường conda 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
Đảm bảo rằng nó được kích hoạt cho phần còn lại của quá trình cài đặt.
5. Cài đặt TensorFlow
TensorFlow yêu cầu phiên bản pip mới nhất, vì vậy hãy nâng cấp cài đặt pip của bạn để đảm bảo 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
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.
Windows bản địa
1. Yêu cầu hệ thống
- Windows 7 trở lên (64-bit)
2. 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 được yêu cầu từ gói này (có thể không được cung cấp từ các gói phân phối lại cũ hơn). Bản phân phối lại đi kèm với Visual Studio 2019 nhưng có thể được cài đặt riêng:
- Chuyển đến bản tải xuống Microsoft Visual C++ .
- Cuộn trang xuống phần Visual Studio 2015, 2017 và 2019 .
- Tải xuống và cài đặt Microsoft Visual C++ Redistributable cho Visual Studio 2015, 2017 và 2019 cho nền tảng của bạn.
Đảm bảo đường dẫn dài được bật trên Windows.
3. Cài đặt Miniconda
Miniconda là phương pháp được đề xuất để cài đặt TensorFlow có hỗ trợ GPU. Nó tạo ra một môi trường riêng biệt để tránh thay đổi bất kỳ phần mềm nào đã cài đặt trong hệ thống của bạn. Đây cũng là cách dễ nhất để cài đặt phần mềm cần thiết, đặc biệt là cho thiết lập GPU.
Tải xuống Trình cài đặt Windows Miniconda . Nhấp đúp vào tệp đã tải xuống và làm theo hướng dẫn trên màn hình.
4. Tạo môi trường conda
Tạo môi trường conda 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
Đảm bảo rằng nó được kích hoạt cho phần còn lại của quá trình cài đặt.
5. Thiết lập GPU
Bạn có thể bỏ qua phần này nếu chỉ chạy TensorFlow trên CPU.
Trước tiên hãy cài đặt trình điều khiển GPU NVIDIA nếu bạn chưa có.
Sau đó cài đặt CUDA, cuDNN với conda.
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
6. Cài đặt TensorFlow
TensorFlow yêu cầu phiên bản pip mới nhất, vì vậy hãy nâng cấp cài đặt pip của bạn để đảm bảo bạn đang chạy phiên bản mới nhất.
pip install --upgrade pip
Sau đó, cài đặt TensorFlow bằng pip.
# Anything above 2.10 is not supported on the GPU on Windows Native
pip install "tensorflow<2.11"
7. Xác minh cài đặt
Xác minh thiết lập CPU:
python -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:
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Nếu danh sách các thiết bị GPU được trả về, nghĩa là bạn đã cài đặt TensorFlow thành công.
Windows WSL2
1. Yêu cầu hệ thống
- Windows 10 19044 trở lên (64-bit). Điều này tương ứng với Windows 10 phiên bản 21H2, bản cập nhật tháng 11 năm 2021.
Xem các tài liệu sau để:
2. Cài đặt Miniconda
Miniconda là phương pháp được đề xuất để cài đặt TensorFlow có hỗ trợ GPU. Nó tạo ra một môi trường riêng biệt để tránh thay đổi bất kỳ phần mềm nào đã cài đặt trong hệ thống của bạn. Đây cũng là cách dễ nhất để cài đặt phần mềm cần thiết, đặc biệt là cho thiết lập GPU.
Bạn có thể sử dụng lệnh sau để cài đặt Miniconda. Trong quá trình 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 đã được cài đặt thành công chưa.
3. Tạo môi trường conda
Tạo môi trường conda 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
Đảm bảo rằng nó được kích hoạt cho 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.
Trước tiên hãy cài đặt trình điều khiển GPU NVIDIA nếu bạn chưa có. Bạn có thể sử dụng lệnh sau để xác minh nó đã được cài đặt.
nvidia-smi
Sau đó cài đặt CUDA và cuDNN với conda và pip.
conda install -c conda-forge cudatoolkit=11.8.0
pip install nvidia-cudnn-cu11==8.6.0.163
Định cấu hình đường dẫn hệ thống. Bạn có thể làm điều đó bằng lệnh sau mỗi khi khởi động một thiết bị đầu cuối mới sau khi kích hoạt môi trường conda của bạn.
CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDNN_PATH/lib:$CONDA_PREFIX/lib/
Để thuận tiện cho bạn, bạn nên tự động hóa nó bằng các lệnh sau. Các đường dẫn hệ thống sẽ được cấu hình tự động khi bạn kích hoạt môi trường conda này.
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDNN_PATH/lib:$CONDA_PREFIX/lib/' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
5. Cài đặt TensorFlow
TensorFlow yêu cầu phiên bản pip mới nhất, vì vậy hãy nâng cấp cài đặt pip của bạn để đảm bảo bạn đang chạy phiên bản mới nhất.
pip install --upgrade pip
Sau đó, cài đặt TensorFlow bằng pip.
pip install tensorflow==2.13.*
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, nghĩa là bạn đã cài đặt TensorFlow thành công.
Vị trí gói hàng
Một số cơ chế cài đặt yêu cầu URL của gói Python TensorFlow. Giá trị bạn chỉ định tùy thuộc vào phiên bản Python của bạn.