이 페이지는 Cloud Translation API를 통해 번역되었습니다.

소스에서 빌드

소스에서 TensorFlow pip 패키지를 빌드하여 Ubuntu Linux와 macOS에 설치하세요. 이 지침은 다른 시스템에서도 작동할 수 있지만, Ubuntu와 macOS에서만 테스트 및 지원됩니다.

Linux 및 macOS 설정

다음 빌드 도구를 설치하여 개발 환경을 구성하세요.

Python 및 TensorFlow 패키지 종속성 설치

우분투

sudo apt install python3-dev python3-pip

맥OS

Xcode 9.2 이상이 필요합니다.

Homebrew 패키지 관리자를 사용하여 설치하세요.

brew install python

TensorFlow pip 패키지 종속성을 설치합니다(가상 환경을 사용하는 경우 --user 인수를 생략합니다).

pip install -U --user pip

Bazel 설치

TensorFlow를 빌드하려면 Bazel을 설치해야 합니다. Bazelisk는 Bazel을 설치하는 간편한 방법이며, TensorFlow에 맞는 Bazel 버전을 자동으로 다운로드합니다. 사용 편의성을 위해 Bazelisk를 PATH 에 bazel 실행 파일로 추가하세요.

Bazelisk를 사용할 수 없는 경우 Bazel을 수동으로 설치할 수 있습니다. TensorFlow의 .bazelversion 파일에서 올바른 Bazel 버전을 설치하세요.

Clang 설치(권장, Linux만 해당)

Clang은 LLVM 기반 C++로 컴파일된 C/C++/Objective-C 컴파일러입니다. TensorFlow 2.13부터 TensorFlow 빌드의 기본 컴파일러입니다. 현재 지원되는 버전은 LLVM/Clang 17입니다.

LLVM Debian/Ubuntu 야간 패키지는 Linux에서 수동 설치를 위한 자동 설치 스크립트와 패키지를 제공합니다. 패키지 소스에 llvm apt 저장소를 수동으로 추가하는 경우 다음 명령을 실행하세요.

sudo apt-get update && sudo apt-get install -y llvm-17 clang-17

이 경우 /usr/lib/llvm-17/bin/clang 이 clang의 실제 경로입니다.

또는 사전 빌드된 Clang + LLVM 17을 다운로드하여 압축을 풀 수 있습니다.

아래는 Debian/Ubuntu 운영 체제에서 다운로드한 Clang + LLVM 17 바이너리를 설정하는 데 사용할 수 있는 단계의 예입니다.

원하는 대상 디렉토리로 변경: cd <desired directory>

아카이브 파일을 로드하고 추출합니다...(사용자의 아키텍처에 적합):

wget https://github.com/llvm/llvm-project/releases/download/llvmorg-17.0.2/clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04.tar.xz

tar -xvf clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04.tar.xz

압축 해제된 내용(디렉토리 및 파일)을 /usr 에 복사합니다(sudo 권한이 필요할 수 있으며, 올바른 디렉터리는 배포판에 따라 다를 수 있습니다). 이렇게 하면 Clang과 LLVM이 설치되고 경로에 추가됩니다. 이전에 설치한 파일이 있는 경우를 제외하고는 아무것도 변경할 필요가 없습니다. 이전에 설치한 파일이 있는 경우 다음 파일을 변경해야 합니다.
```
cp -r clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04/* /usr
```
얻은 Clang + LLVM 17 바이너리 버전을 확인하세요:
```
clang --version
```
이제 /usr/bin/clang 이 새 clang의 실제 경로입니다. ./configure 스크립트를 실행하거나 CC 및 BAZEL_COMPILER 환경 변수를 이 경로에 수동으로 설정할 수 있습니다.

GPU 지원 설치(선택 사항, Linux만 해당)

macOS에서는 GPU를 지원 하지 않습니다 .

GPU 지원 가이드를 읽고 GPU에서 TensorFlow를 실행하는 데 필요한 드라이버와 추가 소프트웨어를 설치하세요.

TensorFlow 소스 코드를 다운로드하세요

Git을 사용하여 TensorFlow 저장소를 복제합니다.

git clone https://github.com/tensorflow/tensorflow.git
cd tensorflow

저장소는 기본적으로 master 개발 브랜치로 설정됩니다. 릴리스 브랜치 를 체크아웃하여 빌드할 수도 있습니다.

git checkout branch_name  # r2.2, r2.3, etc.

빌드 구성

TensorFlow 빌드는 저장소 루트 디렉터리의 .bazelrc 파일을 통해 구성됩니다. ./configure 또는 ./configure.py 스크립트를 사용하여 일반적인 설정을 조정할 수 있습니다.

저장소의 루트 디렉터리에서 ./configure 스크립트를 실행하세요. 이 스크립트는 TensorFlow 종속성의 위치를 묻고 추가 빌드 구성 옵션(예: 컴파일러 플래그)을 묻습니다. 자세한 내용은 샘플 세션 섹션을 참조하세요.

./configure

이 스크립트의 Python 버전인 ./configure.py 도 있습니다. 가상 환경을 사용하는 경우, python configure.py 환경 내의 경로를 우선시하는 반면, ./configure 환경 외부의 경로를 우선시합니다. 두 경우 모두 기본값을 변경할 수 있습니다.

샘플 세션

다음은 ./configure 스크립트의 샘플 실행을 보여줍니다(세션에 따라 다를 수 있음).

샘플 구성 세션 보기

./configure
You have bazel 6.1.0 installed.
Please specify the location of python. [Default is /Library/Frameworks/Python.framework/Versions/3.9/bin/python3]: 


Found possible Python library paths:
  /Library/Frameworks/Python.framework/Versions/3.9/lib/python3.9/site-packages
Please input the desired Python library path to use.  Default is [/Library/Frameworks/Python.framework/Versions/3.9/lib/python3.9/site-packages]

Do you wish to build TensorFlow with ROCm support? [y/N]:
No ROCm support will be enabled for TensorFlow.

Do you wish to build TensorFlow with CUDA support? [y/N]:
No CUDA support will be enabled for TensorFlow.

Do you want to use Clang to build TensorFlow? [Y/n]:
Clang will be used to compile TensorFlow.

Please specify the path to clang executable. [Default is /usr/lib/llvm-16/bin/clang]:

You have Clang 16.0.4 installed.

Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -Wno-sign-compare]:


Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: n
Not configuring the WORKSPACE for Android builds.

Do you wish to build TensorFlow with iOS support? [y/N]: n
No iOS support will be enabled for TensorFlow.

Preconfigured Bazel build configs. You can use any of the below by adding "--config=<>" to your build command. See .bazelrc for more details.
    --config=mkl            # Build with MKL support.
    --config=mkl_aarch64    # Build with oneDNN and Compute Library for the Arm Architecture (ACL).
    --config=monolithic     # Config for mostly static monolithic build.
    --config=numa           # Build with NUMA support.
    --config=dynamic_kernels    # (Experimental) Build kernels into separate shared objects.
    --config=v1             # Build with TensorFlow 1 API instead of TF 2 API.
Preconfigured Bazel build configs to DISABLE default on features:
    --config=nogcp          # Disable GCP support.
    --config=nonccl         # Disable NVIDIA NCCL support.

구성 옵션

GPU 지원

v.2.18.0부터

GPU 지원을 위해 구성 과정에서 cuda=Y 설정하고 필요한 경우 CUDA 및 cuDNN 버전을 지정하세요. Bazel은 CUDA 및 CUDNN 패키지를 자동으로 다운로드하거나 필요한 경우 로컬 파일 시스템에 있는 CUDA/CUDNN/NCCL 재배포 파일을 가리킵니다.

v.2.18.0 이전

GPU 지원을 위해 구성 과정에서 cuda=Y 를 설정하고 CUDA 및 cuDNN 버전을 지정하세요. 시스템에 여러 버전의 CUDA 또는 cuDNN이 설치된 경우 기본값을 사용하지 않고 버전을 명시적으로 설정하세요. ./configure 는 시스템의 CUDA 라이브러리에 대한 심볼릭 링크를 생성하므로 CUDA 라이브러리 경로를 업데이트하는 경우 빌드하기 전에 이 구성 단계를 다시 실행해야 합니다.

최적화

컴파일 최적화 플래그의 경우, 기본값( -march=native )은 생성된 코드를 머신의 CPU 유형에 맞게 최적화합니다. 하지만 다른 CPU 유형에 맞춰 TensorFlow를 빌드하는 경우, 더 구체적인 최적화 플래그를 고려하세요. GCC 매뉴얼 에서 예시를 확인하세요.

사전 구성된 구성

bazel build 명령에 추가할 수 있는 미리 구성된 빌드 구성이 몇 가지 있습니다. 예를 들어 다음과 같습니다.

--config=dbg —디버그 정보를 사용하여 빌드합니다. 자세한 내용은 CONTRIBUTING.md를 참조하세요.
--config=mkl —Intel® MKL-DNN 지원.
--config=monolithic —대부분 정적인 모놀리식 빌드에 대한 구성입니다.

pip 패키지를 빌드하고 설치합니다.

Bazel 빌드 옵션

빌드 옵션 에 대한 자세한 내용은 Bazel 명령줄 참조를 참조하세요.

소스에서 TensorFlow를 빌드하면 많은 RAM을 사용할 수 있습니다. 시스템 메모리가 부족한 경우 --local_ram_resources=2048 옵션을 사용하여 Bazel의 RAM 사용량을 제한하세요.

공식 TensorFlow 패키지는 manylinux2014 패키지 표준을 준수하는 Clang 툴체인으로 빌드되었습니다.

패키지 빌드

pip 패키지를 빌드하려면 --repo_env=WHEEL_NAME 플래그를 지정해야 합니다. 제공된 이름에 따라 패키지가 생성됩니다. 예:

tensorflow CPU 패키지를 빌드하려면:

bazel build //tensorflow/tools/pip_package:wheel --repo_env=USE_PYWRAP_RULES=1 --repo_env=WHEEL_NAME=tensorflow_cpu

tensorflow GPU 패키지를 빌드하려면:

bazel build //tensorflow/tools/pip_package:wheel --repo_env=USE_PYWRAP_RULES=1 --repo_env=WHEEL_NAME=tensorflow --config=cuda --config=cuda_wheel

tensorflow TPU 패키지를 빌드하려면:

bazel build //tensorflow/tools/pip_package:wheel --repo_env=USE_PYWRAP_RULES=1 --repo_env=WHEEL_NAME=tensorflow_tpu --config=tpu

야간 패키지를 빌드하려면 tensorflow 대신 tf_nightly 설정합니다. 예를 들어 CPU 야간 패키지를 빌드하려면 다음과 같습니다.

bazel build //tensorflow/tools/pip_package:wheel --repo_env=USE_PYWRAP_RULES=1 --repo_env=WHEEL_NAME=tf_nightly_cpu

결과적으로 생성된 휠은 다음 위치에 위치하게 됩니다.

bazel-bin/tensorflow/tools/pip_package/wheel_house/

패키지를 설치하세요

생성된 .whl 파일의 파일 이름은 TensorFlow 버전과 플랫폼에 따라 달라집니다. pip install 사용하여 패키지를 설치하세요. 예:

pip install bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl

Docker Linux 빌드

TensorFlow의 Docker 개발 이미지를 사용하면 소스에서 Linux 패키지를 빌드할 수 있는 환경을 쉽게 설정할 수 있습니다. 이 이미지에는 TensorFlow 빌드에 필요한 소스 코드와 종속성이 이미 포함되어 있습니다. 설치 지침과 사용 가능한 이미지 태그 목록은 TensorFlow Docker 가이드 를 참조하세요.

CPU 전용

다음 예제에서는 :devel 이미지를 사용하여 최신 TensorFlow 소스 코드에서 CPU 전용 패키지를 빌드합니다. 사용 가능한 TensorFlow -devel 태그는 Docker 가이드를 참조하세요.

최신 개발 이미지를 다운로드하고 pip 패키지를 빌드하는 데 사용할 Docker 컨테이너를 시작합니다.

docker pull tensorflow/tensorflow:devel
docker run -it -w /tensorflow_src -v $PWD:/mnt -e HOST_PERMS="$(id -u):$(id -g)" \
    tensorflow/tensorflow:devel bash

git pull  # within the container, download the latest source code

위의 docker run 명령어는 소스 트리의 루트인 /tensorflow_src 디렉터리에서 셸을 시작합니다. 호스트의 현재 디렉터리를 컨테이너의 /mnt 디렉터리에 마운트하고, 호스트 사용자 정보를 환경 변수(권한 설정에 사용됨. Docker에서는 이 과정이 까다로울 수 있음)를 통해 컨테이너에 전달합니다.

또는 컨테이너 내에서 TensorFlow의 호스트 복사본을 빌드하려면 컨테이너의 /tensorflow 디렉터리에 호스트 소스 트리를 마운트합니다.

docker run -it -w /tensorflow -v /path/to/tensorflow:/tensorflow -v $PWD:/mnt \
    -e HOST_PERMS="\\((id -u):\\)(id -g)" tensorflow/tensorflow:devel bash

소스 트리가 설정되면 컨테이너의 가상 환경 내에서 TensorFlow 패키지를 빌드합니다.

선택 사항: 빌드를 구성합니다. 이렇게 하면 사용자에게 빌드 구성 질문에 답하라는 메시지가 표시됩니다.
pip 패키지를 빌드합니다.
컨테이너 외부의 파일 소유권 권한을 조정합니다.

./configure  # if necessary


bazel build //tensorflow/tools/pip_package:wheel \
--repo_env=USE_PYWRAP_RULES=1 --repo_env=WHEEL_NAME=tensorflow_cpu --config=opt

`
chown $HOST_PERMS bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl

컨테이너 내에 패키지를 설치하고 확인하세요.

pip uninstall tensorflow  # remove current version

pip install bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl
cd /tmp  # don't import from source directory
python -c "import tensorflow as tf; print(tf.__version__)"

호스트 머신에서 TensorFlow pip 패키지는 현재 디렉토리(호스트 사용자 권한 포함)에 있습니다. ./tensorflow- version - tags .whl

GPU 지원

Docker는 호스트 머신에 NVIDIA® 드라이버 만 설치하면 되므로 TensorFlow에 대한 GPU 지원을 구축하는 가장 쉬운 방법입니다( NVIDIA® CUDA® 툴킷은 설치할 필요가 없습니다). nvidia-docker를 설정하려면 GPU 지원 가이드 와 TensorFlow Docker 가이드를 참조하세요(Linux만 해당).

다음 예제는 TensorFlow :devel-gpu 이미지를 다운로드하고 nvidia-docker 사용하여 GPU 지원 컨테이너를 실행합니다. 이 개발 이미지는 GPU를 지원하는 pip 패키지를 빌드하도록 구성되어 있습니다.

docker pull tensorflow/tensorflow:devel-gpu
docker run --gpus all -it -w /tensorflow -v $PWD:/mnt -e HOST_PERMS="$(id -u):$(id -g)" \
    tensorflow/tensorflow:devel-gpu bash
git pull  # within the container, download the latest source code

그런 다음 컨테이너의 가상 환경 내에서 GPU 지원이 포함된 TensorFlow 패키지를 빌드합니다.

./configure  # if necessary


bazel build //tensorflow/tools/pip_package:wheel \
--repo_env=USE_PYWRAP_RULES=1 --repo_env=WHEEL_NAME=tensorflow --config=cuda \
--config=cuda_wheel --config=opt


chown $HOST_PERMS bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl

컨테이너 내에 패키지를 설치하고 검증하고 GPU를 확인하세요.

pip uninstall tensorflow  # remove current version

pip install bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl
cd /tmp  # don't import from source directory
python -c "import tensorflow as tf; print(\"Num GPUs Available: \", len(tf.config.list_physical_devices('GPU')))"

테스트된 빌드 구성

리눅스

CPU

버전	파이썬 버전	컴파일러	빌드 도구
텐서플로우-2.20.0	3.9-3.13	클랭 18.1.8	바젤 7.4.1
텐서플로우-2.19.0	3.9-3.12	클랭 18.1.8	바젤 6.5.0
텐서플로우-2.18.0	3.9-3.12	클랭 17.0.6	바젤 6.5.0
텐서플로우-2.17.0	3.9-3.12	클랭 17.0.6	바젤 6.5.0
텐서플로우-2.16.1	3.9-3.12	클랭 17.0.6	바젤 6.5.0
텐서플로우-2.15.0	3.9-3.11	클랭 16.0.0	바젤 6.1.0
텐서플로우-2.14.0	3.9-3.11	클랭 16.0.0	바젤 6.1.0
텐서플로우-2.13.0	3.8-3.11	클랭 16.0.0	바젤 5.3.0
텐서플로우-2.12.0	3.8-3.11	GCC 9.3.1	바젤 5.3.0
텐서플로우-2.11.0	3.7-3.10	GCC 9.3.1	바젤 5.3.0
텐서플로우-2.10.0	3.7-3.10	GCC 9.3.1	바젤 5.1.1
텐서플로우-2.9.0	3.7-3.10	GCC 9.3.1	바젤 5.0.0
텐서플로우-2.8.0	3.7-3.10	GCC 7.3.1	바젤 4.2.1
텐서플로우-2.7.0	3.7-3.9	GCC 7.3.1	바젤 3.7.2
텐서플로우-2.6.0	3.6-3.9	GCC 7.3.1	바젤 3.7.2
텐서플로우-2.5.0	3.6-3.9	GCC 7.3.1	바젤 3.7.2
텐서플로우-2.4.0	3.6-3.8	GCC 7.3.1	바젤 3.1.0
텐서플로우-2.3.0	3.5-3.8	GCC 7.3.1	바젤 3.1.0
텐서플로우-2.2.0	3.5-3.8	GCC 7.3.1	바젤 2.0.0
텐서플로우-2.1.0	2.7, 3.5-3.7	GCC 7.3.1	바젤 0.27.1
텐서플로우-2.0.0	2.7, 3.3-3.7	GCC 7.3.1	바젤 0.26.1
텐서플로우-1.15.0	2.7, 3.3-3.7	GCC 7.3.1	바젤 0.26.1
텐서플로우-1.14.0	2.7, 3.3-3.7	GCC 4.8	바젤 0.24.1
텐서플로우-1.13.1	2.7, 3.3-3.7	GCC 4.8	바젤 0.19.2
텐서플로우-1.12.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.15.0
텐서플로우-1.11.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.15.0
텐서플로우-1.10.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.15.0
텐서플로우-1.9.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.11.0
텐서플로우-1.8.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.10.0
텐서플로우-1.7.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.10.0
텐서플로우-1.6.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.9.0
텐서플로우-1.5.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.8.0
텐서플로우-1.4.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.5.4
텐서플로우-1.3.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.4.5
텐서플로우-1.2.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.4.5
텐서플로우-1.1.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.4.2
텐서플로우-1.0.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.4.2

그래픽 카드

버전	파이썬 버전	컴파일러	빌드 도구	cuDNN	쿠다
텐서플로우-2.20.0	3.9-3.13	클랭 18.1.8	바젤 7.4.1	9.3	12.5
텐서플로우-2.19.0	3.9-3.12	클랭 18.1.8	바젤 6.5.0	9.3	12.5
텐서플로우-2.18.0	3.9-3.12	클랭 17.0.6	바젤 6.5.0	9.3	12.5
텐서플로우-2.17.0	3.9-3.12	클랭 17.0.6	바젤 6.5.0	8.9	12.3
텐서플로우-2.16.1	3.9-3.12	클랭 17.0.6	바젤 6.5.0	8.9	12.3
텐서플로우-2.15.0	3.9-3.11	클랭 16.0.0	바젤 6.1.0	8.9	12.2
텐서플로우-2.14.0	3.9-3.11	클랭 16.0.0	바젤 6.1.0	8.7	11.8
텐서플로우-2.13.0	3.8-3.11	클랭 16.0.0	바젤 5.3.0	8.6	11.8
텐서플로우-2.12.0	3.8-3.11	GCC 9.3.1	바젤 5.3.0	8.6	11.8
텐서플로우-2.11.0	3.7-3.10	GCC 9.3.1	바젤 5.3.0	8.1	11.2
텐서플로우-2.10.0	3.7-3.10	GCC 9.3.1	바젤 5.1.1	8.1	11.2
텐서플로우-2.9.0	3.7-3.10	GCC 9.3.1	바젤 5.0.0	8.1	11.2
텐서플로우-2.8.0	3.7-3.10	GCC 7.3.1	바젤 4.2.1	8.1	11.2
텐서플로우-2.7.0	3.7-3.9	GCC 7.3.1	바젤 3.7.2	8.1	11.2
텐서플로우-2.6.0	3.6-3.9	GCC 7.3.1	바젤 3.7.2	8.1	11.2
텐서플로우-2.5.0	3.6-3.9	GCC 7.3.1	바젤 3.7.2	8.1	11.2
텐서플로우-2.4.0	3.6-3.8	GCC 7.3.1	바젤 3.1.0	8.0	11.0
텐서플로우-2.3.0	3.5-3.8	GCC 7.3.1	바젤 3.1.0	7.6	10.1
텐서플로우-2.2.0	3.5-3.8	GCC 7.3.1	바젤 2.0.0	7.6	10.1
텐서플로우-2.1.0	2.7, 3.5-3.7	GCC 7.3.1	바젤 0.27.1	7.6	10.1
텐서플로우-2.0.0	2.7, 3.3-3.7	GCC 7.3.1	바젤 0.26.1	7.4	10.0
텐서플로우_gpu-1.15.0	2.7, 3.3-3.7	GCC 7.3.1	바젤 0.26.1	7.4	10.0
텐서플로우_gpu-1.14.0	2.7, 3.3-3.7	GCC 4.8	바젤 0.24.1	7.4	10.0
텐서플로우_gpu-1.13.1	2.7, 3.3-3.7	GCC 4.8	바젤 0.19.2	7.4	10.0
텐서플로우_GPU-1.12.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.15.0	7	9
텐서플로우_gpu-1.11.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.15.0	7	9
텐서플로우_gpu-1.10.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.15.0	7	9
텐서플로우_GPU-1.9.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.11.0	7	9
텐서플로우_GPU-1.8.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.10.0	7	9
텐서플로우_GPU-1.7.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.9.0	7	9
텐서플로우_GPU-1.6.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.9.0	7	9
텐서플로우_GPU-1.5.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.8.0	7	9
텐서플로우_GPU-1.4.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.5.4	6	8
텐서플로우_GPU-1.3.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.4.5	6	8
텐서플로우_GPU-1.2.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.4.5	5.1	8
텐서플로우_GPU-1.1.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.4.2	5.1	8
텐서플로우_gpu-1.0.0	2.7, 3.3-3.6	GCC 4.8	바젤 0.4.2	5.1	8

맥OS

CPU

버전	파이썬 버전	컴파일러	빌드 도구
텐서플로우-2.16.1	3.9-3.12	Xcode 13.6의 Clang	바젤 6.5.0
텐서플로우-2.15.0	3.9-3.11	xcode 10.15의 Clang	바젤 6.1.0
텐서플로우-2.14.0	3.9-3.11	xcode 10.15의 Clang	바젤 6.1.0
텐서플로우-2.13.0	3.8-3.11	xcode 10.15의 Clang	바젤 5.3.0
텐서플로우-2.12.0	3.8-3.11	xcode 10.15의 Clang	바젤 5.3.0
텐서플로우-2.11.0	3.7-3.10	xcode 10.14의 Clang	바젤 5.3.0
텐서플로우-2.10.0	3.7-3.10	xcode 10.14의 Clang	바젤 5.1.1
텐서플로우-2.9.0	3.7-3.10	xcode 10.14의 Clang	바젤 5.0.0
텐서플로우-2.8.0	3.7-3.10	xcode 10.14의 Clang	바젤 4.2.1
텐서플로우-2.7.0	3.7-3.9	xcode 10.11의 Clang	바젤 3.7.2
텐서플로우-2.6.0	3.6-3.9	xcode 10.11의 Clang	바젤 3.7.2
텐서플로우-2.5.0	3.6-3.9	xcode 10.11의 Clang	바젤 3.7.2
텐서플로우-2.4.0	3.6-3.8	xcode 10.3의 Clang	바젤 3.1.0
텐서플로우-2.3.0	3.5-3.8	xcode 10.1의 Clang	바젤 3.1.0
텐서플로우-2.2.0	3.5-3.8	xcode 10.1의 Clang	바젤 2.0.0
텐서플로우-2.1.0	2.7, 3.5-3.7	xcode 10.1의 Clang	바젤 0.27.1
텐서플로우-2.0.0	2.7, 3.5-3.7	xcode 10.1의 Clang	바젤 0.27.1
텐서플로우-2.0.0	2.7, 3.3-3.7	xcode 10.1의 Clang	바젤 0.26.1
텐서플로우-1.15.0	2.7, 3.3-3.7	xcode 10.1의 Clang	바젤 0.26.1
텐서플로우-1.14.0	2.7, 3.3-3.7	xcode에서 Clang	바젤 0.24.1
텐서플로우-1.13.1	2.7, 3.3-3.7	xcode에서 Clang	바젤 0.19.2
텐서플로우-1.12.0	2.7, 3.3-3.6	xcode에서 Clang	바젤 0.15.0
텐서플로우-1.11.0	2.7, 3.3-3.6	xcode에서 Clang	바젤 0.15.0
텐서플로우-1.10.0	2.7, 3.3-3.6	xcode에서 Clang	바젤 0.15.0
텐서플로우-1.9.0	2.7, 3.3-3.6	xcode에서 Clang	바젤 0.11.0
텐서플로우-1.8.0	2.7, 3.3-3.6	xcode에서 Clang	바젤 0.10.1
텐서플로우-1.7.0	2.7, 3.3-3.6	xcode에서 Clang	바젤 0.10.1
텐서플로우-1.6.0	2.7, 3.3-3.6	xcode에서 Clang	바젤 0.8.1
텐서플로우-1.5.0	2.7, 3.3-3.6	xcode에서 Clang	바젤 0.8.1
텐서플로우-1.4.0	2.7, 3.3-3.6	xcode에서 Clang	바젤 0.5.4
텐서플로우-1.3.0	2.7, 3.3-3.6	xcode에서 Clang	바젤 0.4.5
텐서플로우-1.2.0	2.7, 3.3-3.6	xcode에서 Clang	바젤 0.4.5
텐서플로우-1.1.0	2.7, 3.3-3.6	xcode에서 Clang	바젤 0.4.2
텐서플로우-1.0.0	2.7, 3.3-3.6	xcode에서 Clang	바젤 0.4.2

그래픽 카드

버전	파이썬 버전	컴파일러	빌드 도구	cuDNN	쿠다
텐서플로우_GPU-1.1.0	2.7, 3.3-3.6	xcode에서 Clang	바젤 0.4.2	5.1	8
텐서플로우_gpu-1.0.0	2.7, 3.3-3.6	xcode에서 Clang	바젤 0.4.2	5.1	8

소스에서 빌드 컬렉션을 사용해 정리하기 내 환경설정을 기준으로 콘텐츠를 저장하고 분류하세요.

Linux 및 macOS 설정

Python 및 TensorFlow 패키지 종속성 설치

우분투

맥OS

Bazel 설치

Clang 설치(권장, Linux만 해당)

GPU 지원 설치(선택 사항, Linux만 해당)

TensorFlow 소스 코드를 다운로드하세요

빌드 구성

샘플 세션

샘플 구성 세션 보기

구성 옵션

GPU 지원

v.2.18.0부터

v.2.18.0 이전

최적화

사전 구성된 구성

pip 패키지를 빌드하고 설치합니다.

Bazel 빌드 옵션

패키지 빌드

패키지를 설치하세요

Docker Linux 빌드

CPU 전용

GPU 지원

테스트된 빌드 구성

리눅스

CPU

그래픽 카드

맥OS

CPU

그래픽 카드

소스에서 빌드