Kaynaktan bir TensorFlow pip paketi oluşturun ve bunu Ubuntu Linux ve macOS'a yükleyin. Talimatlar diğer sistemlerde işe yarayabilir ancak yalnızca Ubuntu ve macOS için test edilmiş ve desteklenmiştir.
Linux ve macOS için kurulum
Geliştirme ortamınızı yapılandırmak için aşağıdaki derleme araçlarını yükleyin.
Python ve TensorFlow paketi bağımlılıklarını yükleyin
ubuntu
sudo apt install python3-dev python3-pip
macOS
Xcode 9.2 veya üstünü gerektirir.
Homebrew paket yöneticisini kullanarak yükleyin:
brew install python
TensorFlow pip paketi bağımlılıklarını yükleyin (sanal bir ortam kullanıyorsanız --user
argümanını atlayın):
pip install -U --user pip
Bazel'i yükleyin
TensorFlow'u oluşturmak için Bazel'i yüklemeniz gerekecek. Bazelisk, Bazel'i kurmanın kolay bir yoludur ve TensorFlow için doğru Bazel sürümünü otomatik olarak indirir. Kullanım kolaylığı için Bazelisk'i PATH
dosyanıza bazel
çalıştırılabilir dosyası olarak ekleyin.
Bazelisk mevcut değilse Bazel'i manuel olarak yükleyebilirsiniz . TensorFlow'un .bazelversion dosyasından doğru Bazel sürümünü yüklediğinizden emin olun.
Clang'ı yükleyin (önerilir, yalnızca Linux)
Clang, LLVM'yi temel alarak C++ dilinde derlenen bir C/C++/Objective-C derleyicisidir. TensorFlow 2.13'ten başlayarak TensorFlow'u oluşturmak için varsayılan derleyicidir. Şu anda desteklenen sürüm LLVM/Clang 17'dir.
LLVM Debian/Ubuntu gecelik paketleri, Linux'ta manuel kurulum için otomatik kurulum komut dosyası ve paketler sağlar. Paket kaynaklarınıza llvm apt deposunu manuel olarak eklerseniz aşağıdaki komutu çalıştırdığınızdan emin olun:
sudo apt-get update && sudo apt-get install -y llvm-17 clang-17
Artık /usr/lib/llvm-17/bin/clang
bu durumda clang'a giden asıl yoldur.
Alternatif olarak, önceden oluşturulmuş Clang + LLVM 17'yi indirip paketinden çıkarabilirsiniz.
Aşağıda indirilen Clang + LLVM 17 ikili dosyalarını Debian/Ubuntu işletim sistemlerine kurmak için atabileceğiniz adımların bir örneği verilmiştir:
İstediğiniz hedef dizine geçin:
cd <desired directory>
Bir arşiv dosyası yükleyin ve çıkarın...(mimarinize uygun):
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
Çıkarılan içerikleri (dizinler ve dosyalar)
/usr
dizinine kopyalayın (sudo izinlerine ihtiyacınız olabilir ve doğru dizin dağıtıma göre değişebilir). Bu, Clang ve LLVM'yi etkili bir şekilde yükler ve yola ekler. Daha önce bir kurulum yapmadığınız sürece hiçbir şeyi değiştirmenize gerek yoktur; bu durumda şu dosyaları değiştirmeniz gerekir:cp -r clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04/* /usr
Elde edilen Clang + LLVM 17 ikili dosya versiyonunu kontrol edin:
clang --version
Artık
/usr/bin/clang
yeni clang'ınıza giden gerçek yoldur../configure
betiğini çalıştırabilir veyaCC
veBAZEL_COMPILER
ortam değişkenlerini bu yola manuel olarak ayarlayabilirsiniz.
GPU desteğini yükleyin (isteğe bağlı, yalnızca Linux)
MacOS için GPU desteği yoktur .
TensorFlow'u bir GPU'da çalıştırmak için gereken sürücüleri ve ek yazılımı yüklemek için GPU destek kılavuzunu okuyun.
TensorFlow kaynak kodunu indirin
TensorFlow deposunu klonlamak için Git'i kullanın:
git clone https://github.com/tensorflow/tensorflow.git
cd tensorflow
Repo varsayılan olarak master
geliştirme şubesine gider. Ayrıca oluşturmak için bir sürüm şubesine de göz atabilirsiniz:
git checkout branch_name # r2.2, r2.3, etc.
Yapıyı yapılandırma
TensorFlow yapıları, havuzun kök dizinindeki .bazelrc
dosyası tarafından yapılandırılır. Ortak ayarları düzenlemek için ./configure
veya ./configure.py
komut dosyaları kullanılabilir.
Lütfen ./configure
betiğini deponun kök dizininden çalıştırın. Bu komut dosyası sizden TensorFlow bağımlılıklarının konumunu isteyecek ve ek yapı yapılandırma seçenekleri (örneğin derleyici bayrakları) isteyecektir. Ayrıntılar için Örnek oturum bölümüne bakın.
./configure
Bu betiğin bir python sürümü de var: ./configure.py
. Sanal bir ortam kullanılıyorsa, python configure.py
ortam içindeki yollara öncelik verirken, ./configure
ortam dışındaki yollara öncelik verir. Her iki durumda da varsayılanı değiştirebilirsiniz.
Örnek oturum
Aşağıda ./configure
betiğinin örnek bir çalışması gösterilmektedir (oturumunuz farklı olabilir):
Yapılandırma seçenekleri
GPU desteği
v.2.18.0'dan itibaren
GPU desteği için, yapılandırma sırasında cuda=Y
değerini ayarlayın ve gerekirse CUDA ve cuDNN sürümlerini belirtin. Bazel, CUDA ve CUDNN paketlerini otomatik olarak indirecek veya gerekirse yerel dosya sistemindeki CUDA/CUDNN/NCCL yeniden dağıtımlarına işaret edecektir.
v.2.18.0'dan önce
GPU desteği için yapılandırma sırasında cuda=Y
ayarını yapın ve CUDA ve cuDNN sürümlerini belirtin. Sisteminizde yüklü birden fazla CUDA veya cuDNN sürümü varsa, varsayılana güvenmek yerine sürümü açıkça ayarlayın. ./configure
sisteminizin CUDA kitaplıklarına sembolik bağlantılar oluşturur; dolayısıyla CUDA kitaplığı yollarınızı güncellerseniz, oluşturmadan önce bu yapılandırma adımının yeniden çalıştırılması gerekir.
Optimizasyonlar
Derleme optimizasyon bayrakları için varsayılan ( -march=native
), makinenizin CPU türüne göre oluşturulan kodu optimize eder. Ancak farklı bir CPU türü için TensorFlow oluşturuyorsanız daha spesifik bir optimizasyon bayrağını düşünün. Örnekler için GCC kılavuzuna bakın.
Önceden yapılandırılmış konfigürasyonlar
bazel build
komutuna eklenebilecek önceden yapılandırılmış bazı build yapılandırmaları mevcuttur, örneğin:
-
--config=dbg
—Hata ayıklama bilgileriyle derleyin. Ayrıntılar için CONTRIBUTING.md'ye bakın. -
--config=mkl
—Intel® MKL-DNN desteği. -
--config=monolithic
— Çoğunlukla statik, monolitik bir yapı için yapılandırma.
Pip paketini oluşturun ve yükleyin
Bazel oluşturma seçenekleri
Derleme seçenekleri için Bazel komut satırı referansına bakın.
TensorFlow'u kaynaktan oluşturmak çok fazla RAM kullanabilir. Sisteminizin belleği kısıtlıysa Bazel'in RAM kullanımını şu şekilde sınırlayın: --local_ram_resources=2048
.
Resmi TensorFlow paketleri, manylinux2014 paket standardına uygun bir Clang araç zinciriyle oluşturulmuştur.
Paketi oluştur
Pip paketi oluşturmak için --repo_env=WHEEL_NAME
bayrağını belirtmeniz gerekir. Sağlanan ada bağlı olarak paket oluşturulacaktır, örneğin:
Tensorflow CPU paketini oluşturmak için:
bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow_cpu
Tensorflow GPU paketini oluşturmak için:
bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow --config=cuda
Tensorflow TPU paketini oluşturmak için:
bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow_tpu --config=tpu
Gecelik paket oluşturmak için tensorflow
yerine tf_nightly
ayarlayın; örneğin CPU gecelik paketi oluşturmak için:
bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tf_nightly_cpu
Sonuç olarak, oluşturulan tekerlek
bazel-bin/tensorflow/tools/pip_package/wheel_house/yer alacaktır.
Paketi yükleyin
Oluşturulan .whl
dosyasının dosya adı TensorFlow sürümüne ve platformunuza bağlıdır. Paketi yüklemek için pip install
kullanın, örneğin:
pip install bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl
Docker Linux'un derlemeleri
TensorFlow'un Docker geliştirme görüntüleri, Linux paketlerini kaynaktan oluşturmak için bir ortam kurmanın kolay bir yoludur. Bu görüntüler TensorFlow'u oluşturmak için gereken kaynak kodunu ve bağımlılıkları zaten içeriyor. Kurulum talimatları ve mevcut görüntü etiketlerinin listesi için TensorFlow Docker kılavuzuna gidin.
Yalnızca CPU
Aşağıdaki örnek, en son TensorFlow kaynak kodundan yalnızca CPU içeren bir paket oluşturmak için :devel
görüntüsünü kullanır. Mevcut TensorFlow -devel
etiketleri için Docker kılavuzunu kontrol edin.
En son geliştirme görüntüsünü indirin ve pip paketini oluşturmak için kullanacağınız bir Docker kapsayıcısını başlatın:
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
Yukarıdaki docker run
komutu, kaynak ağacın kökü olan /tensorflow_src
dizininde bir kabuk başlatır. Ana bilgisayarın geçerli dizinini konteynerin /mnt
dizinine bağlar ve ana bilgisayar kullanıcısının bilgilerini bir ortam değişkeni (izinleri ayarlamak için kullanılır; Docker bunu karmaşık hale getirebilir) aracılığıyla konteynere aktarır.
Alternatif olarak, bir konteyner içinde TensorFlow'un ana bilgisayar kopyasını oluşturmak için ana bilgisayar kaynak ağacını konteynerin /tensorflow
dizinine bağlayın:
docker run -it -w /tensorflow -v /path/to/tensorflow:/tensorflow -v $PWD:/mnt \ -e HOST_PERMS="\\((id -u):\\)(id -g)" tensorflow/tensorflow:devel bash
Kaynak ağacı kurulduğunda TensorFlow paketini konteynerin sanal ortamında oluşturun:
- İsteğe bağlı: Yapıyı yapılandırın—bu, kullanıcıdan yapı yapılandırması sorularını yanıtlamasını ister.
- Pip paketini oluşturun.
- Dosyanın sahiplik izinlerini kapsayıcının dışı için ayarlayın.
./configure # if necessary
bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow_cpu --config=opt
`chown $HOST_PERMS bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl
Paketi konteynerin içine kurun ve doğrulayın:
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__)"
Ana makinenizde TensorFlow pip paketi geçerli dizinde bulunur (ana bilgisayar kullanıcı izinleriyle birlikte): ./tensorflow- version - tags .whl
GPU desteği
Ana makine yalnızca NVIDIA® sürücüsünü gerektirdiğinden ( NVIDIA® CUDA® Araç Takımının kurulmasına gerek yoktur) Docker, TensorFlow için GPU desteği oluşturmanın en kolay yoludur. Nvidia-docker'ı kurmak için GPU destek kılavuzuna ve TensorFlow Docker kılavuzuna bakın (yalnızca Linux).
Aşağıdaki örnek, TensorFlow :devel-gpu
görüntüsünü indirir ve GPU özellikli kapsayıcıyı çalıştırmak için nvidia-docker
kullanır. Bu geliştirme görüntüsü, GPU desteğine sahip bir pip paketi oluşturacak şekilde yapılandırılmıştır:
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
Ardından konteynerin sanal ortamında GPU desteğiyle TensorFlow paketini oluşturun:
./configure # if necessary
bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow --config=cuda --config=opt
chown $HOST_PERMS bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl
Paketi kapsayıcıya kurup doğrulayın ve GPU olup olmadığını kontrol edin:
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')))"
Test edilmiş yapı yapılandırmaları
Linux
İşlemci
Sürüm | Python sürümü | Derleyici | Araçlar oluşturun |
---|---|---|---|
tensorflow-2.17.0 | 3.9-3.12 | çıngırak 17.0.6 | Bazel 6.5.0 |
tensorflow-2.16.1 | 3.9-3.12 | çıngırak 17.0.6 | Bazel 6.5.0 |
tensorflow-2.15.0 | 3.9-3.11 | çıngırak 16.0.0 | Bazel 6.1.0 |
tensorflow-2.14.0 | 3.9-3.11 | çıngırak 16.0.0 | Bazel 6.1.0 |
tensorflow-2.13.0 | 3.8-3.11 | çıngırak 16.0.0 | Bazel 5.3.0 |
tensorflow-2.12.0 | 3.8-3.11 | GCC 9.3.1 | Bazel 5.3.0 |
tensorflow-2.11.0 | 3.7-3.10 | GCC 9.3.1 | Bazel 5.3.0 |
tensorflow-2.10.0 | 3.7-3.10 | GCC 9.3.1 | Bazel 5.1.1 |
tensorflow-2.9.0 | 3.7-3.10 | GCC 9.3.1 | Bazel 5.0.0 |
tensorflow-2.8.0 | 3.7-3.10 | GCC 7.3.1 | Bazel 4.2.1 |
tensorflow-2.7.0 | 3.7-3.9 | GCC 7.3.1 | Bazel 3.7.2 |
tensorflow-2.6.0 | 3.6-3.9 | GCC 7.3.1 | Bazel 3.7.2 |
tensorflow-2.5.0 | 3.6-3.9 | GCC 7.3.1 | Bazel 3.7.2 |
tensorflow-2.4.0 | 3.6-3.8 | GCC 7.3.1 | Bazel 3.1.0 |
tensorflow-2.3.0 | 3.5-3.8 | GCC 7.3.1 | Bazel 3.1.0 |
tensorflow-2.2.0 | 3.5-3.8 | GCC 7.3.1 | Bazel 2.0.0 |
tensorflow-2.1.0 | 2,7, 3,5-3,7 | GCC 7.3.1 | Bazel 0.27.1 |
tensorflow-2.0.0 | 2.7, 3.3-3.7 | GCC 7.3.1 | Bazel 0.26.1 |
tensorflow-1.15.0 | 2.7, 3.3-3.7 | GCC 7.3.1 | Bazel 0.26.1 |
tensorflow-1.14.0 | 2.7, 3.3-3.7 | GCC 4.8 | Bazel 0.24.1 |
tensorflow-1.13.1 | 2.7, 3.3-3.7 | GCC 4.8 | Bazel 0.19.2 |
tensorflow-1.12.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.15.0 |
tensorflow-1.11.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.15.0 |
tensorflow-1.10.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.15.0 |
tensorflow-1.9.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.11.0 |
tensorflow-1.8.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.10.0 |
tensorflow-1.7.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.10.0 |
tensorflow-1.6.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.9.0 |
tensorflow-1.5.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.8.0 |
tensorflow-1.4.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.5.4 |
tensorflow-1.3.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.4.5 |
tensorflow-1.2.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.4.5 |
tensorflow-1.1.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.4.2 |
tensorflow-1.0.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.4.2 |
GPU
Sürüm | Python sürümü | Derleyici | Araçlar oluşturun | cuDNN | CUDA |
---|---|---|---|---|---|
tensorflow-2.17.0 | 3.9-3.12 | çıngırak 17.0.6 | Bazel 6.5.0 | 8.9 | 12.3 |
tensorflow-2.16.1 | 3.9-3.12 | çıngırak 17.0.6 | Bazel 6.5.0 | 8.9 | 12.3 |
tensorflow-2.15.0 | 3.9-3.11 | çıngırak 16.0.0 | Bazel 6.1.0 | 8.9 | 12.2 |
tensorflow-2.14.0 | 3.9-3.11 | çıngırak 16.0.0 | Bazel 6.1.0 | 8.7 | 11.8 |
tensorflow-2.13.0 | 3.8-3.11 | çıngırak 16.0.0 | Bazel 5.3.0 | 8.6 | 11.8 |
tensorflow-2.12.0 | 3.8-3.11 | GCC 9.3.1 | Bazel 5.3.0 | 8.6 | 11.8 |
tensorflow-2.11.0 | 3.7-3.10 | GCC 9.3.1 | Bazel 5.3.0 | 8.1 | 11.2 |
tensorflow-2.10.0 | 3.7-3.10 | GCC 9.3.1 | Bazel 5.1.1 | 8.1 | 11.2 |
tensorflow-2.9.0 | 3.7-3.10 | GCC 9.3.1 | Bazel 5.0.0 | 8.1 | 11.2 |
tensorflow-2.8.0 | 3.7-3.10 | GCC 7.3.1 | Bazel 4.2.1 | 8.1 | 11.2 |
tensorflow-2.7.0 | 3.7-3.9 | GCC 7.3.1 | Bazel 3.7.2 | 8.1 | 11.2 |
tensorflow-2.6.0 | 3.6-3.9 | GCC 7.3.1 | Bazel 3.7.2 | 8.1 | 11.2 |
tensorflow-2.5.0 | 3.6-3.9 | GCC 7.3.1 | Bazel 3.7.2 | 8.1 | 11.2 |
tensorflow-2.4.0 | 3.6-3.8 | GCC 7.3.1 | Bazel 3.1.0 | 8.0 | 11.0 |
tensorflow-2.3.0 | 3.5-3.8 | GCC 7.3.1 | Bazel 3.1.0 | 7.6 | 10.1 |
tensorflow-2.2.0 | 3.5-3.8 | GCC 7.3.1 | Bazel 2.0.0 | 7.6 | 10.1 |
tensorflow-2.1.0 | 2,7, 3,5-3,7 | GCC 7.3.1 | Bazel 0.27.1 | 7.6 | 10.1 |
tensorflow-2.0.0 | 2.7, 3.3-3.7 | GCC 7.3.1 | Bazel 0.26.1 | 7.4 | 10.0 |
tensorflow_gpu-1.15.0 | 2.7, 3.3-3.7 | GCC 7.3.1 | Bazel 0.26.1 | 7.4 | 10.0 |
tensorflow_gpu-1.14.0 | 2.7, 3.3-3.7 | GCC 4.8 | Bazel 0.24.1 | 7.4 | 10.0 |
tensorflow_gpu-1.13.1 | 2.7, 3.3-3.7 | GCC 4.8 | Bazel 0.19.2 | 7.4 | 10.0 |
tensorflow_gpu-1.12.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.15.0 | 7 | 9 |
tensorflow_gpu-1.11.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.15.0 | 7 | 9 |
tensorflow_gpu-1.10.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.15.0 | 7 | 9 |
tensorflow_gpu-1.9.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.11.0 | 7 | 9 |
tensorflow_gpu-1.8.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.10.0 | 7 | 9 |
tensorflow_gpu-1.7.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.9.0 | 7 | 9 |
tensorflow_gpu-1.6.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.9.0 | 7 | 9 |
tensorflow_gpu-1.5.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.8.0 | 7 | 9 |
tensorflow_gpu-1.4.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.5.4 | 6 | 8 |
tensorflow_gpu-1.3.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.4.5 | 6 | 8 |
tensorflow_gpu-1.2.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.4.5 | 5.1 | 8 |
tensorflow_gpu-1.1.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.4.2 | 5.1 | 8 |
tensorflow_gpu-1.0.0 | 2.7, 3.3-3.6 | GCC 4.8 | Bazel 0.4.2 | 5.1 | 8 |
macOS
İşlemci
Sürüm | Python sürümü | Derleyici | Araçlar oluşturun |
---|---|---|---|
tensorflow-2.16.1 | 3.9-3.12 | Xcode 13.6'dan gelen çınlama | Bazel 6.5.0 |
tensorflow-2.15.0 | 3.9-3.11 | Xcode 10.15'ten gelen çınlama | Bazel 6.1.0 |
tensorflow-2.14.0 | 3.9-3.11 | Xcode 10.15'ten gelen çınlama | Bazel 6.1.0 |
tensorflow-2.13.0 | 3.8-3.11 | Xcode 10.15'ten gelen çınlama | Bazel 5.3.0 |
tensorflow-2.12.0 | 3.8-3.11 | Xcode 10.15'ten gelen çınlama | Bazel 5.3.0 |
tensorflow-2.11.0 | 3.7-3.10 | Xcode 10.14'ten gelen çınlama | Bazel 5.3.0 |
tensorflow-2.10.0 | 3.7-3.10 | Xcode 10.14'ten gelen çınlama | Bazel 5.1.1 |
tensorflow-2.9.0 | 3.7-3.10 | Xcode 10.14'ten gelen çınlama | Bazel 5.0.0 |
tensorflow-2.8.0 | 3.7-3.10 | Xcode 10.14'ten gelen çınlama | Bazel 4.2.1 |
tensorflow-2.7.0 | 3.7-3.9 | Xcode 10.11'den gelen çınlama | Bazel 3.7.2 |
tensorflow-2.6.0 | 3.6-3.9 | Xcode 10.11'den gelen çınlama | Bazel 3.7.2 |
tensorflow-2.5.0 | 3.6-3.9 | Xcode 10.11'den gelen çınlama | Bazel 3.7.2 |
tensorflow-2.4.0 | 3.6-3.8 | Xcode 10.3'ten gelen çınlama | Bazel 3.1.0 |
tensorflow-2.3.0 | 3.5-3.8 | Xcode 10.1'den gelen çınlama | Bazel 3.1.0 |
tensorflow-2.2.0 | 3.5-3.8 | Xcode 10.1'den gelen çınlama | Bazel 2.0.0 |
tensorflow-2.1.0 | 2.7, 3.5-3.7 | Xcode 10.1'den gelen çınlama | Bazel 0.27.1 |
tensorflow-2.0.0 | 2,7, 3,5-3,7 | Xcode 10.1'den gelen çınlama | Bazel 0.27.1 |
tensorflow-2.0.0 | 2.7, 3.3-3.7 | Xcode 10.1'den gelen çınlama | Bazel 0.26.1 |
tensorflow-1.15.0 | 2.7, 3.3-3.7 | Xcode 10.1'den çınlama | Bazel 0.26.1 |
tensorflow-1.14.0 | 2.7, 3.3-3.7 | Xcode'dan Clang | Bazel 0.24.1 |
tensorflow-1.13.1 | 2.7, 3.3-3.7 | Xcode'dan Clang | Bazel 0.19.2 |
tensorflow-1.12.0 | 2.7, 3.3-3.6 | Xcode'dan Clang | Bazel 0.15.0 |
tensorflow-1.11.0 | 2.7, 3.3-3.6 | Xcode'dan Clang | Bazel 0.15.0 |
tensorflow-1.10.0 | 2.7, 3.3-3.6 | Xcode'dan Clang | Bazel 0.15.0 |
tensorflow-1.9.0 | 2.7, 3.3-3.6 | Xcode'dan Clang | Bazel 0.11.0 |
tensorflow-1.8.0 | 2.7, 3.3-3.6 | Xcode'dan Clang | Bazel 0.10.1 |
tensorflow-1.7.0 | 2.7, 3.3-3.6 | Xcode'dan Clang | Bazel 0.10.1 |
tensorflow-1.6.0 | 2.7, 3.3-3.6 | Xcode'dan Clang | Bazel 0.8.1 |
tensorflow-1.5.0 | 2.7, 3.3-3.6 | Xcode'dan Clang | Bazel 0.8.1 |
tensorflow-1.4.0 | 2.7, 3.3-3.6 | Xcode'dan Clang | Bazel 0.5.4 |
tensorflow-1.3.0 | 2.7, 3.3-3.6 | Xcode'dan Clang | Bazel 0.4.5 |
tensorflow-1.2.0 | 2.7, 3.3-3.6 | Xcode'dan Clang | Bazel 0.4.5 |
tensorflow-1.1.0 | 2.7, 3.3-3.6 | Xcode'dan Clang | Bazel 0.4.2 |
tensorflow-1.0.0 | 2.7, 3.3-3.6 | Xcode'dan Clang | Bazel 0.4.2 |
GPU
Sürüm | Python sürümü | Derleyici | Araçlar oluşturun | cuDNN | CUDA |
---|---|---|---|---|---|
tensorflow_gpu-1.1.0 | 2.7, 3.3-3.6 | Xcode'dan Clang | Bazel 0.4.2 | 5.1 | 8 |
tensorflow_gpu-1.0.0 | 2.7, 3.3-3.6 | Xcode'dan Clang | Bazel 0.4.2 | 5.1 | 8 |