إنشاء من المصدر

قم ببناء حزمة TensorFlow pip من المصدر وثبّتها على نظامي Ubuntu Linux وmacOS. قد تعمل هذه التعليمات مع أنظمة أخرى، إلا أنها مُختبرة ومدعومة فقط لنظامي Ubuntu وmacOS.

ملاحظة: تم بالفعل توفير حزم TensorFlow التي تم اختبارها جيدًا والمبنية مسبقًا لأنظمة Linux وmacOS.

الإعداد لنظامي Linux وmacOS

قم بتثبيت أدوات البناء التالية لتكوين بيئة التطوير الخاصة بك.

تثبيت Python وتبعيات حزمة TensorFlow

أوبونتو

sudo apt install python3-dev python3-pip

ماك أو إس

يتطلب Xcode 9.2 أو أحدث.

التثبيت باستخدام مدير حزمة Homebrew :

brew install python

قم بتثبيت تبعيات حزمة TensorFlow pip (إذا كنت تستخدم بيئة افتراضية، فاحذف وسيطة --user ):

pip install -U --user pip

ملاحظة: يلزم إصدار pip > 19.0 لتثبيت حزمة TensorFlow .whl . تجد التبعيات الإضافية المطلوبة في ملف setup.py.tpl ضمن REQUIRED_PACKAGES .

تثبيت بازل

لبناء TensorFlow، ستحتاج إلى تثبيت Bazel. يُعد Bazelisk طريقة سهلة لتثبيت Bazel، ويقوم بتنزيل إصدار Bazel الصحيح تلقائيًا لـ TensorFlow. لتسهيل الاستخدام، أضف Bazelisk كملف bazel قابل للتنفيذ في PATH .

إذا لم يكن Bazelisk متاحًا، يمكنك تثبيت Bazel يدويًا. تأكد من تثبيت إصدار Bazel الصحيح من ملف .bazelversion الخاص بـ TensorFlow.

تثبيت Clang (مستحسن، Linux فقط)

Clang هو مُجمِّع C/C++/Objective-C مُجمَّع بلغة C++ استنادًا إلى LLVM. وهو المُجمِّع الافتراضي لبناء TensorFlow بدءًا من TensorFlow 2.13. الإصدار المدعوم حاليًا هو LLVM/Clang 17.

توفر حزم LLVM Debian/Ubuntu الليلية نصًا برمجيًا للتثبيت التلقائي وحزمًا للتثبيت اليدوي على لينكس. تأكد من تشغيل الأمر التالي إذا أضفت مستودع llvm apt يدويًا إلى مصادر حزمك:

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

الآن أصبح /usr/lib/llvm-17/bin/clang هو المسار الفعلي لـ clang في هذه الحالة.

بدلاً من ذلك، يمكنك تنزيل وفك ضغط Clang + LLVM 17 المبني مسبقًا.

فيما يلي مثال للخطوات التي يمكنك اتخاذها لإعداد ملفات Clang + LLVM 17 الثنائية التي تم تنزيلها على أنظمة التشغيل Debian/Ubuntu:

1. التغيير إلى دليل الوجهة المطلوب: cd <desired directory>

2. قم بتحميل واستخراج ملف الأرشيف...(مناسب لهندستك المعمارية):

   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
   

3. انسخ المحتويات المستخرجة (الدلائل والملفات) إلى /usr (قد تحتاج إلى أذونات sudo، وقد يختلف الدليل الصحيح باختلاف التوزيعة). سيؤدي هذا إلى تثبيت Clang وLLVM بشكل فعال، وإضافتهما إلى المسار. لن تحتاج إلى استبدال أي شيء، إلا إذا كان لديك تثبيت سابق، وفي هذه الحالة يجب استبدال الملفات:

   cp -r clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04/* /usr

4. تحقق من إصدار الثنائيات Clang + LLVM 17 الذي تم الحصول عليه:

   clang --version

5. الآن، أصبح /usr/bin/clang هو المسار الفعلي لملف clang الجديد. يمكنك تشغيل البرنامج النصي ./configure أو تعيين متغيري البيئة CC و BAZEL_COMPILER يدويًا إلى هذا المسار.

تثبيت دعم وحدة معالجة الرسومات (اختياري، Linux فقط)

لا يوجد دعم لوحدة معالجة الرسومات (GPU) لنظام macOS.

اقرأ دليل دعم وحدة معالجة الرسومات (GPU) لتثبيت برامج التشغيل والبرامج الإضافية المطلوبة لتشغيل TensorFlow على وحدة معالجة الرسومات (GPU).

ملاحظة: من الأسهل إعداد إحدى صور Docker الممكّنة بوحدة معالجة الرسوميات الخاصة بـ TensorFlow.

تنزيل كود المصدر TensorFlow

استخدم Git لاستنساخ مستودع TensorFlow :

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

المستودع مُعَيَّن افتراضيًا في فرع التطوير master . يمكنك أيضًا الاطلاع على فرع الإصدار للبناء:

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

تكوين البناء

يتم تكوين إصدارات TensorFlow باستخدام ملف .bazelrc في الدليل الجذر للمستودع. يمكن استخدام نصوص ./configure أو ./configure.py لضبط الإعدادات الشائعة.

يرجى تشغيل البرنامج النصي ./configure من الدليل الجذر للمستودع. سيُطالبك هذا البرنامج النصي بتحديد موقع تبعيات TensorFlow، ويطلب منك خيارات إضافية لتكوين البناء (مثل علامات المُجمِّع). راجع قسم "جلسة نموذجية" لمزيد من التفاصيل.

./configure

يتوفر أيضًا إصدار بايثون من هذا البرنامج النصي، ./configure.py . عند استخدام بيئة افتراضية، يُعطي python configure.py الأولوية للمسارات داخل البيئة، بينما يُعطي ./configure الأولوية للمسارات خارجها. في كلتا الحالتين، يمكنك تغيير الإعداد الافتراضي.

جلسة نموذجية

يوضح الشكل التالي تشغيلًا تجريبيًا لنص ./configure (قد تختلف جلستك):

عرض جلسة تكوين العينة

./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.

خيارات التكوين

دعم وحدة معالجة الرسومات

من الإصدار 2.18.0

لدعم وحدة معالجة الرسومات (GPU) ، اضبط cuda=Y أثناء التهيئة، وحدد إصدارات CUDA وcuDNN إذا لزم الأمر. سيقوم Bazel بتنزيل حزم CUDA وCUDNN تلقائيًا، أو يُشير إلى إعادة توزيع CUDA/CUDNN/NCCL على نظام الملفات المحلي إذا لزم الأمر.

قبل الإصدار 2.18.0

لدعم وحدة معالجة الرسومات (GPU) ، اضبط cuda=Y أثناء التهيئة وحدد إصدارات CUDA وcuDNN. إذا كان نظامك يحتوي على عدة إصدارات من CUDA أو cuDNN مثبتة، فاضبط الإصدار صراحةً بدلاً من الاعتماد على الإصدار الافتراضي. يُنشئ الأمر ./configure روابط رمزية لمكتبات CUDA في نظامك، لذا إذا حدّثت مسارات مكتبة CUDA، فيجب إعادة تنفيذ خطوة التهيئة هذه قبل البناء.

التحسينات

بالنسبة لعلامات تحسين التجميع، يُحسّن الإعداد الافتراضي ( -march=native ) الكود المُولّد لنوع وحدة المعالجة المركزية لجهازك. مع ذلك، إذا كنت تُنشئ TensorFlow لنوع وحدة معالجة مركزية مختلف، ففكّر في علامة تحسين أكثر تحديدًا. راجع دليل GCC للاطلاع على أمثلة.

التكوينات المعدة مسبقًا

هناك بعض تكوينات البناء المعدة مسبقًا والتي يمكن إضافتها إلى أمر bazel build ، على سبيل المثال:

• --config=dbg — بناء مع معلومات التصحيح. راجع CONTRIBUTING.md للمزيد من التفاصيل.
• --config=mkl —دعم لـ Intel® MKL-DNN .
• --config=monolithic —تكوين لبناء متجانس ثابت في الغالب.

بناء وتثبيت حزمة pip

خيارات بناء بازل

راجع مرجع سطر أوامر Bazel لمعرفة خيارات البناء .

قد يستهلك بناء TensorFlow من المصدر قدرًا كبيرًا من ذاكرة الوصول العشوائي (RAM). إذا كان نظامك محدودًا بالذاكرة، فحدّ من استخدام Bazel لذاكرة الوصول العشوائي باستخدام: --local_ram_resources=2048 .

تم إنشاء حزم TensorFlow الرسمية باستخدام سلسلة أدوات Clang التي تتوافق مع معيار الحزمة manylinux2014.

بناء الحزمة

لبناء حزمة pip، تحتاج إلى تحديد العلم --repo_env=WHEEL_NAME . اعتمادًا على الاسم المقدم، سيتم إنشاء الحزمة، على سبيل المثال:

لبناء حزمة وحدة المعالجة المركزية tensorflow:

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

لبناء حزمة GPU الخاصة بـ tensorflow:

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

لبناء حزمة TPU الخاصة بـ tensorflow:

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

لبناء حزمة ليلية، اضبط tf_nightly بدلاً من tensorflow ، على سبيل المثال لبناء حزمة CPU الليلية:

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

ونتيجة لذلك، سيتم وضع العجلة المولدة في

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

تثبيت الحزمة

يعتمد اسم ملف .whl المُولَّد على إصدار TensorFlow ومنصتك. استخدم pip install لتثبيت الحزمة، على سبيل المثال:

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

نجاح: تم الآن تثبيت TensorFlow.

إصدارات Docker Linux

تُعد صور تطوير Docker من TensorFlow طريقة سهلة لإعداد بيئة لبناء حزم Linux من المصدر. تحتوي هذه الصور على الكود المصدري والتبعيات اللازمة لبناء TensorFlow. راجع دليل TensorFlow Docker للاطلاع على تعليمات التثبيت وقائمة علامات الصور المتاحة .

وحدة المعالجة المركزية فقط

يستخدم المثال التالي صورة :devel لبناء حزمة مخصصة لوحدة المعالجة المركزية (CPU) من أحدث شفرة مصدر TensorFlow. راجع دليل Docker للاطلاع على علامات TensorFlow -devel المتوفرة.

قم بتنزيل أحدث صورة تطوير وابدأ تشغيل حاوية Docker التي ستستخدمها لبناء حزمة pip :

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

يُشغّل أمر docker run أعلاه واجهةً في مجلد /tensorflow_src ، وهو جذر شجرة المصدر. يُثبّت الدليل الحالي للمضيف في مجلد /mnt للحاوية، ويُمرّر معلومات مستخدم المضيف إلى الحاوية عبر متغير بيئي (يُستخدم لتعيين الأذونات - قد يُعقّد Docker هذا الأمر).

بدلاً من ذلك، لبناء نسخة مضيفة من TensorFlow داخل حاوية، قم بتثبيت شجرة مصدر المضيف في دليل /tensorflow الخاص بالحاوية:

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

بعد إعداد شجرة المصدر، قم ببناء حزمة TensorFlow داخل البيئة الافتراضية للحاوية:

1. اختياري: تكوين البناء - يطالب هذا المستخدم بالإجابة على أسئلة تكوين البناء.
2. بناء حزمة pip .
3. ضبط أذونات الملكية للملف خارج الحاوية.

./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

تثبيت الحزمة والتحقق منها داخل الحاوية:

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__)"

نجاح: تم الآن تثبيت TensorFlow.

على جهاز المضيف الخاص بك، توجد حزمة TensorFlow pip في الدليل الحالي (مع أذونات مستخدم المضيف): ./tensorflow- version - tags .whl

دعم وحدة معالجة الرسومات

ملاحظة: بدءًا من Tensorflow v.2.18.0، يمكن إنشاء العجلات من المصدر على جهاز بدون وحدات معالجة رسومية وبدون تثبيت برنامج تشغيل NVIDIA.

يُعد Docker أسهل طريقة لدعم وحدة معالجة الرسومات (GPU) لـ TensorFlow، حيث لا يتطلب الجهاز المضيف سوى برنامج تشغيل NVIDIA® (لا يلزم تثبيت مجموعة أدوات NVIDIA® CUDA® ). راجع دليل دعم وحدة معالجة الرسومات ودليل TensorFlow Docker لإعداد nvidia-docker (لينكس فقط).

في المثال التالي، يتم تنزيل صورة TensorFlow :devel-gpu واستخدام nvidia-docker لتشغيل الحاوية المُمكّنة بوحدة معالجة الرسومات. تم تكوين صورة التطوير هذه لبناء حزمة pip مع دعم وحدة معالجة الرسومات.

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

بعد ذلك، داخل البيئة الافتراضية للحاوية، قم ببناء حزمة TensorFlow مع دعم وحدة معالجة الرسومات:

./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

قم بتثبيت الحزمة داخل الحاوية والتحقق منها والتحقق من وجود وحدة معالجة الرسومات (GPU):

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')))"

نجاح: تم الآن تثبيت TensorFlow.

تكوينات البناء التي تم اختبارها

لينكس

وحدة المعالجة المركزية

إصدار	نسخة بايثون	المُجمِّع	أدوات البناء
tensorflow-2.20.0	3.9-3.13	كلانج 18.1.8	بازل 7.4.1
tensorflow-2.19.0	3.9-3.12	كلانج 18.1.8	بازل 6.5.0
tensorflow-2.18.0	3.9-3.12	كلانج 17.0.6	بازل 6.5.0
tensorflow-2.17.0	3.9-3.12	كلانج 17.0.6	بازل 6.5.0
tensorflow-2.16.1	3.9-3.12	كلانج 17.0.6	بازل 6.5.0
tensorflow-2.15.0	3.9-3.11	كلانج 16.0.0	بازل 6.1.0
tensorflow-2.14.0	3.9-3.11	كلانج 16.0.0	بازل 6.1.0
tensorflow-2.13.0	3.8-3.11	كلانج 16.0.0	بازل 5.3.0
tensorflow-2.12.0	3.8-3.11	GCC 9.3.1	بازل 5.3.0
tensorflow-2.11.0	3.7-3.10	GCC 9.3.1	بازل 5.3.0
tensorflow-2.10.0	3.7-3.10	GCC 9.3.1	بازل 5.1.1
tensorflow-2.9.0	3.7-3.10	GCC 9.3.1	بازل 5.0.0
tensorflow-2.8.0	3.7-3.10	GCC 7.3.1	بازل 4.2.1
tensorflow-2.7.0	3.7-3.9	GCC 7.3.1	بازل 3.7.2
tensorflow-2.6.0	3.6-3.9	GCC 7.3.1	بازل 3.7.2
tensorflow-2.5.0	3.6-3.9	GCC 7.3.1	بازل 3.7.2
tensorflow-2.4.0	3.6-3.8	GCC 7.3.1	بازل 3.1.0
tensorflow-2.3.0	3.5-3.8	GCC 7.3.1	بازل 3.1.0
tensorflow-2.2.0	3.5-3.8	GCC 7.3.1	بازل 2.0.0
tensorflow-2.1.0	2.7، 3.5-3.7	GCC 7.3.1	بازل 0.27.1
tensorflow-2.0.0	2.7، 3.3-3.7	GCC 7.3.1	بازل 0.26.1
tensorflow-1.15.0	2.7، 3.3-3.7	GCC 7.3.1	بازل 0.26.1
tensorflow-1.14.0	2.7، 3.3-3.7	مجلس التعاون الخليجي 4.8	بازل 0.24.1
tensorflow-1.13.1	2.7، 3.3-3.7	مجلس التعاون الخليجي 4.8	بازل 0.19.2
tensorflow-1.12.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.15.0
tensorflow-1.11.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.15.0
tensorflow-1.10.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.15.0
tensorflow-1.9.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.11.0
tensorflow-1.8.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.10.0
tensorflow-1.7.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.10.0
tensorflow-1.6.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.9.0
tensorflow-1.5.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.8.0
tensorflow-1.4.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.5.4
tensorflow-1.3.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.4.5
tensorflow-1.2.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.4.5
tensorflow-1.1.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.4.2
tensorflow-1.0.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.4.2

وحدة معالجة الرسومات

إصدار	نسخة بايثون	المُجمِّع	أدوات البناء	cuDNN	كودا
tensorflow-2.20.0	3.9-3.13	كلانج 18.1.8	بازل 7.4.1	9.3	12.5
tensorflow-2.19.0	3.9-3.12	كلانج 18.1.8	بازل 6.5.0	9.3	12.5
tensorflow-2.18.0	3.9-3.12	كلانج 17.0.6	بازل 6.5.0	9.3	12.5
tensorflow-2.17.0	3.9-3.12	كلانج 17.0.6	بازل 6.5.0	8.9	12.3
tensorflow-2.16.1	3.9-3.12	كلانج 17.0.6	بازل 6.5.0	8.9	12.3
tensorflow-2.15.0	3.9-3.11	كلانج 16.0.0	بازل 6.1.0	8.9	12.2
tensorflow-2.14.0	3.9-3.11	كلانج 16.0.0	بازل 6.1.0	8.7	11.8
tensorflow-2.13.0	3.8-3.11	كلانج 16.0.0	بازل 5.3.0	8.6	11.8
tensorflow-2.12.0	3.8-3.11	GCC 9.3.1	بازل 5.3.0	8.6	11.8
tensorflow-2.11.0	3.7-3.10	GCC 9.3.1	بازل 5.3.0	8.1	11.2
tensorflow-2.10.0	3.7-3.10	GCC 9.3.1	بازل 5.1.1	8.1	11.2
tensorflow-2.9.0	3.7-3.10	GCC 9.3.1	بازل 5.0.0	8.1	11.2
tensorflow-2.8.0	3.7-3.10	GCC 7.3.1	بازل 4.2.1	8.1	11.2
tensorflow-2.7.0	3.7-3.9	GCC 7.3.1	بازل 3.7.2	8.1	11.2
tensorflow-2.6.0	3.6-3.9	GCC 7.3.1	بازل 3.7.2	8.1	11.2
tensorflow-2.5.0	3.6-3.9	GCC 7.3.1	بازل 3.7.2	8.1	11.2
tensorflow-2.4.0	3.6-3.8	GCC 7.3.1	بازل 3.1.0	8.0	11.0
tensorflow-2.3.0	3.5-3.8	GCC 7.3.1	بازل 3.1.0	7.6	10.1
tensorflow-2.2.0	3.5-3.8	GCC 7.3.1	بازل 2.0.0	7.6	10.1
tensorflow-2.1.0	2.7، 3.5-3.7	GCC 7.3.1	بازل 0.27.1	7.6	10.1
tensorflow-2.0.0	2.7، 3.3-3.7	GCC 7.3.1	بازل 0.26.1	7.4	10.0
tensorflow_gpu-1.15.0	2.7، 3.3-3.7	GCC 7.3.1	بازل 0.26.1	7.4	10.0
tensorflow_gpu-1.14.0	2.7، 3.3-3.7	مجلس التعاون الخليجي 4.8	بازل 0.24.1	7.4	10.0
tensorflow_gpu-1.13.1	2.7، 3.3-3.7	مجلس التعاون الخليجي 4.8	بازل 0.19.2	7.4	10.0
tensorflow_gpu-1.12.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.15.0	7	9
tensorflow_gpu-1.11.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.15.0	7	9
tensorflow_gpu-1.10.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.15.0	7	9
tensorflow_gpu-1.9.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.11.0	7	9
tensorflow_gpu-1.8.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.10.0	7	9
tensorflow_gpu-1.7.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.9.0	7	9
tensorflow_gpu-1.6.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.9.0	7	9
tensorflow_gpu-1.5.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.8.0	7	9
tensorflow_gpu-1.4.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.5.4	6	8
tensorflow_gpu-1.3.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.4.5	6	8
tensorflow_gpu-1.2.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.4.5	5.1	8
tensorflow_gpu-1.1.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.4.2	5.1	8
tensorflow_gpu-1.0.0	2.7، 3.3-3.6	مجلس التعاون الخليجي 4.8	بازل 0.4.2	5.1	8

ماك أو إس

وحدة المعالجة المركزية

إصدار	نسخة بايثون	المُجمِّع	أدوات البناء
tensorflow-2.16.1	3.9-3.12	Clang من Xcode 13.6	بازل 6.5.0
tensorflow-2.15.0	3.9-3.11	Clang من xcode 10.15	بازل 6.1.0
tensorflow-2.14.0	3.9-3.11	Clang من xcode 10.15	بازل 6.1.0
tensorflow-2.13.0	3.8-3.11	Clang من xcode 10.15	بازل 5.3.0
tensorflow-2.12.0	3.8-3.11	Clang من xcode 10.15	بازل 5.3.0
tensorflow-2.11.0	3.7-3.10	Clang من xcode 10.14	بازل 5.3.0
tensorflow-2.10.0	3.7-3.10	Clang من xcode 10.14	بازل 5.1.1
tensorflow-2.9.0	3.7-3.10	Clang من xcode 10.14	بازل 5.0.0
tensorflow-2.8.0	3.7-3.10	Clang من xcode 10.14	بازل 4.2.1
tensorflow-2.7.0	3.7-3.9	Clang من xcode 10.11	بازل 3.7.2
tensorflow-2.6.0	3.6-3.9	Clang من xcode 10.11	بازل 3.7.2
tensorflow-2.5.0	3.6-3.9	Clang من xcode 10.11	بازل 3.7.2
tensorflow-2.4.0	3.6-3.8	Clang من xcode 10.3	بازل 3.1.0
tensorflow-2.3.0	3.5-3.8	Clang من xcode 10.1	بازل 3.1.0
tensorflow-2.2.0	3.5-3.8	Clang من xcode 10.1	بازل 2.0.0
tensorflow-2.1.0	2.7، 3.5-3.7	Clang من xcode 10.1	بازل 0.27.1
tensorflow-2.0.0	2.7، 3.5-3.7	Clang من xcode 10.1	بازل 0.27.1
tensorflow-2.0.0	2.7، 3.3-3.7	Clang من xcode 10.1	بازل 0.26.1
tensorflow-1.15.0	2.7، 3.3-3.7	Clang من xcode 10.1	بازل 0.26.1
tensorflow-1.14.0	2.7، 3.3-3.7	Clang من xcode	بازل 0.24.1
tensorflow-1.13.1	2.7، 3.3-3.7	Clang من xcode	بازل 0.19.2
tensorflow-1.12.0	2.7، 3.3-3.6	Clang من xcode	بازل 0.15.0
tensorflow-1.11.0	2.7، 3.3-3.6	Clang من xcode	بازل 0.15.0
tensorflow-1.10.0	2.7، 3.3-3.6	Clang من xcode	بازل 0.15.0
tensorflow-1.9.0	2.7، 3.3-3.6	Clang من xcode	بازل 0.11.0
tensorflow-1.8.0	2.7، 3.3-3.6	Clang من xcode	بازل 0.10.1
tensorflow-1.7.0	2.7، 3.3-3.6	Clang من xcode	بازل 0.10.1
tensorflow-1.6.0	2.7، 3.3-3.6	Clang من xcode	بازل 0.8.1
tensorflow-1.5.0	2.7، 3.3-3.6	Clang من xcode	بازل 0.8.1
tensorflow-1.4.0	2.7، 3.3-3.6	Clang من xcode	بازل 0.5.4
tensorflow-1.3.0	2.7، 3.3-3.6	Clang من xcode	بازل 0.4.5
tensorflow-1.2.0	2.7، 3.3-3.6	Clang من xcode	بازل 0.4.5
tensorflow-1.1.0	2.7، 3.3-3.6	Clang من xcode	بازل 0.4.2
tensorflow-1.0.0	2.7، 3.3-3.6	Clang من xcode	بازل 0.4.2

وحدة معالجة الرسومات

إصدار	نسخة بايثون	المُجمِّع	أدوات البناء	cuDNN	كودا
tensorflow_gpu-1.1.0	2.7، 3.3-3.6	Clang من xcode	بازل 0.4.2	5.1	8
tensorflow_gpu-1.0.0	2.7، 3.3-3.6	Clang من xcode	بازل 0.4.2	5.1	8