Tạo từ nguồn

Xây dựng gói pip TensorFlow từ mã nguồn và cài đặt trên Ubuntu Linux và macOS. Mặc dù hướng dẫn này có thể áp dụng cho các hệ thống khác, nhưng nó chỉ được thử nghiệm và hỗ trợ cho Ubuntu và macOS.

Lưu ý: Các gói TensorFlow được thử nghiệm kỹ lưỡng và dựng sẵn dành cho hệ thống Linux và macOS đã được cung cấp.

Thiết lập cho Linux và macOS

Cài đặt các công cụ xây dựng sau để cấu hình môi trường phát triển của bạn.

Cài đặt Python và các gói phụ thuộc của TensorFlow

Ubuntu

sudo apt install python3-dev python3-pip

macOS

Yêu cầu Xcode 9.2 trở lên.

Cài đặt bằng trình quản lý gói Homebrew :

brew install python

Cài đặt các phụ thuộc gói pip của TensorFlow (nếu sử dụng môi trường ảo, hãy bỏ qua đối số --user ):

pip install -U --user pip

Lưu ý: Cần có phiên bản pip >19.0 để cài đặt gói TensorFlow 2 .whl . Các gói phụ thuộc bắt buộc bổ sung được liệt kê trong tệp setup.py.tpl trong mục REQUIRED_PACKAGES .

Cài đặt Bazel

Để xây dựng TensorFlow, bạn sẽ cần cài đặt Bazel. Bazelisk là một cách dễ dàng để cài đặt Bazel và tự động tải xuống phiên bản Bazel phù hợp cho TensorFlow. Để dễ sử dụng, hãy thêm Bazelisk làm tệp thực thi bazel trong PATH của bạn.

Nếu Bazelisk không khả dụng, bạn có thể cài đặt Bazel theo cách thủ công. Hãy đảm bảo cài đặt đúng phiên bản Bazel từ tệp .bazelversion của TensorFlow.

Cài đặt Clang (khuyến nghị, chỉ dành cho Linux)

Clang là trình biên dịch C/C++/Objective-C được biên dịch bằng C++ dựa trên LLVM. Đây là trình biên dịch mặc định để xây dựng TensorFlow bắt đầu từ TensorFlow 2.13. Phiên bản hiện tại được hỗ trợ là LLVM/Clang 17.

Các gói LLVM Debian/Ubuntu nightly cung cấp tập lệnh cài đặt tự động và các gói để cài đặt thủ công trên Linux. Hãy đảm bảo bạn chạy lệnh sau nếu bạn thêm thủ công kho lưu trữ llvm apt vào nguồn gói của mình:

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

Bây giờ /usr/lib/llvm-17/bin/clang là đường dẫn thực tế tới clang trong trường hợp này.

Ngoài ra, bạn có thể tải xuống và giải nén Clang + LLVM 17 được xây dựng sẵn.

Dưới đây là ví dụ về các bước bạn có thể thực hiện để thiết lập tệp nhị phân Clang + LLVM 17 đã tải xuống trên hệ điều hành Debian/Ubuntu:

1. Thay đổi đến thư mục đích mong muốn: cd <desired directory>

2. Tải và giải nén tệp lưu trữ...(phù hợp với kiến ​​trúc của bạn):

   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. Sao chép nội dung đã trích xuất (thư mục và tệp) vào /usr (bạn có thể cần quyền sudo, và thư mục chính xác có thể khác nhau tùy theo bản phân phối). Thao tác này sẽ cài đặt Clang và LLVM, đồng thời thêm chúng vào đường dẫn. Bạn không cần phải thay thế bất kỳ tệp nào, trừ khi bạn đã cài đặt phiên bản trước đó, trong trường hợp đó, bạn nên thay thế các tệp:

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

4. Kiểm tra phiên bản nhị phân Clang + LLVM 17 đã thu được:

   clang --version

5. Bây giờ, /usr/bin/clang chính là đường dẫn thực tế đến clang mới của bạn. Bạn có thể chạy tập lệnh ./configure hoặc tự thiết lập các biến môi trường CC và BAZEL_COMPILER theo đường dẫn này.

Cài đặt hỗ trợ GPU (tùy chọn, chỉ dành cho Linux)

Không có hỗ trợ GPU cho macOS.

Đọc hướng dẫn hỗ trợ GPU để cài đặt trình điều khiển và phần mềm bổ sung cần thiết để chạy TensorFlow trên GPU.

Lưu ý: Sẽ dễ dàng hơn khi thiết lập một trong những hình ảnh Docker hỗ trợ GPU của TensorFlow.

Tải xuống mã nguồn TensorFlow

Sử dụng Git để sao chép kho lưu trữ TensorFlow :

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

Kho lưu trữ mặc định là nhánh phát triển master . Bạn cũng có thể kiểm tra nhánh phát hành để xây dựng:

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

Cấu hình bản dựng

Bản dựng TensorFlow được cấu hình bởi tệp .bazelrc trong thư mục gốc của kho lưu trữ. Có thể sử dụng tập lệnh ./configure hoặc ./configure.py để điều chỉnh các cài đặt chung.

Vui lòng chạy tập lệnh ./configure từ thư mục gốc của kho lưu trữ. Tập lệnh này sẽ nhắc bạn nhập vị trí các phụ thuộc TensorFlow và yêu cầu các tùy chọn cấu hình bản dựng bổ sung (ví dụ: cờ biên dịch). Tham khảo phần Phiên mẫu để biết chi tiết.

./configure

Ngoài ra còn có phiên bản python của tập lệnh này, ./configure.py . Nếu sử dụng môi trường ảo, python configure.py sẽ ưu tiên các đường dẫn trong môi trường, trong khi ./configure ưu tiên các đường dẫn bên ngoài môi trường. Trong cả hai trường hợp, bạn đều có thể thay đổi giá trị mặc định.

Phiên mẫu

Sau đây là ví dụ chạy tập lệnh ./configure (phiên làm việc của bạn có thể khác):

Xem phiên cấu hình mẫu

./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.

Tùy chọn cấu hình

Hỗ trợ GPU

từ v.2.18.0

Để hỗ trợ GPU , hãy đặt cuda=Y trong quá trình cấu hình và chỉ định phiên bản CUDA và cuDNN nếu cần. Bazel sẽ tự động tải xuống các gói CUDA và CUDNN hoặc trỏ đến các bản phân phối lại CUDA/CUDNN/NCCL trên hệ thống tệp cục bộ nếu cần.

trước v.2.18.0

Để hỗ trợ GPU , hãy đặt cuda=Y trong quá trình cấu hình và chỉ định phiên bản CUDA và cuDNN. Nếu hệ thống của bạn đã cài đặt nhiều phiên bản CUDA hoặc cuDNN, hãy thiết lập rõ ràng phiên bản thay vì dựa vào phiên bản mặc định. ./configure tạo liên kết tượng trưng đến các thư viện CUDA của hệ thống—vì vậy, nếu bạn cập nhật đường dẫn thư viện CUDA, bước cấu hình này phải được chạy lại trước khi build.

Tối ưu hóa

Đối với cờ tối ưu hóa biên dịch, tham số mặc định ( -march=native ) sẽ tối ưu hóa mã được tạo ra cho loại CPU của máy bạn. Tuy nhiên, nếu xây dựng TensorFlow cho một loại CPU khác, hãy cân nhắc một cờ tối ưu hóa cụ thể hơn. Tham khảo hướng dẫn sử dụng GCC để biết ví dụ.

Cấu hình được cấu hình trước

Có một số cấu hình dựng sẵn có thể được thêm vào lệnh bazel build , ví dụ:

• --config=dbg —Xây dựng với thông tin gỡ lỗi. Xem CONTRIBUTING.md để biết chi tiết.
• --config=mkl —Hỗ trợ cho Intel® MKL-DNN .
• --config=monolithic —Cấu hình cho bản dựng tĩnh, nguyên khối.

Xây dựng và cài đặt gói pip

Tùy chọn xây dựng Bazel

Tham khảo tài liệu tham khảo dòng lệnh Bazel để biết các tùy chọn xây dựng .

Việc xây dựng TensorFlow từ mã nguồn có thể tiêu tốn rất nhiều RAM. Nếu hệ thống của bạn bị hạn chế về bộ nhớ, hãy giới hạn mức sử dụng RAM của Bazel bằng: --local_ram_resources=2048 .

Các gói TensorFlow chính thức được xây dựng bằng chuỗi công cụ Clang tuân thủ theo tiêu chuẩn gói manylinux2014.

Xây dựng gói

Để xây dựng gói pip, bạn cần chỉ định cờ --repo_env=WHEEL_NAME . Tùy thuộc vào tên được cung cấp, gói sẽ được tạo, ví dụ:

Để xây dựng gói CPU Tensorflow:

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

Để xây dựng gói GPU Tensorflow:

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

Để xây dựng gói TPU Tensorflow:

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

Để xây dựng gói nightly, hãy đặt tf_nightly thay vì tensorflow , ví dụ để xây dựng gói nightly CPU:

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

Kết quả là, bánh xe được tạo ra sẽ được đặt ở

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

Cài đặt gói

Tên tệp .whl được tạo ra phụ thuộc vào phiên bản TensorFlow và nền tảng của bạn. Sử dụng pip install để cài đặt gói, ví dụ:

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

Thành công: TensorFlow đã được cài đặt.

Bản dựng Docker Linux

Các ảnh phát triển Docker của TensorFlow là một cách dễ dàng để thiết lập môi trường xây dựng các gói Linux từ nguồn. Những ảnh này đã chứa sẵn mã nguồn và các phần phụ thuộc cần thiết để xây dựng TensorFlow. Vui lòng xem hướng dẫn cài đặt TensorFlow Docker và danh sách các thẻ ảnh khả dụng .

Chỉ CPU

Ví dụ sau sử dụng ảnh :devel để xây dựng một gói chỉ dành cho CPU từ mã nguồn TensorFlow mới nhất. Kiểm tra hướng dẫn Docker để biết các thẻ -devel của TensorFlow có sẵn.

Tải xuống hình ảnh phát triển mới nhất và khởi động một container Docker mà bạn sẽ sử dụng để xây dựng gói 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

Lệnh docker run ở trên khởi động một shell trong thư mục /tensorflow_src —gốc của cây nguồn. Lệnh này mount thư mục hiện tại của máy chủ vào thư mục /mnt của container, và truyền thông tin người dùng máy chủ đến container thông qua một biến môi trường (được sử dụng để thiết lập quyền—Docker có thể khiến việc này trở nên phức tạp).

Ngoài ra, để xây dựng bản sao lưu trữ của TensorFlow trong một vùng chứa, hãy gắn cây nguồn lưu trữ vào thư mục /tensorflow của vùng chứa:

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

Sau khi thiết lập xong cây nguồn, hãy xây dựng gói TensorFlow trong môi trường ảo của vùng chứa:

1. Tùy chọn: Cấu hình bản dựng—điều này nhắc người dùng trả lời các câu hỏi cấu hình bản dựng.
2. Xây dựng gói pip .
3. Điều chỉnh quyền sở hữu tệp bên ngoài vùng chứa.

./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

Cài đặt và xác minh gói trong vùng chứa:

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__)"

Thành công: TensorFlow đã được cài đặt.

Trên máy chủ của bạn, gói pip TensorFlow nằm trong thư mục hiện tại (có quyền của người dùng máy chủ): ./tensorflow- version - tags .whl

Hỗ trợ GPU

Lưu ý: Bắt đầu từ Tensorflow v.2.18.0, bánh xe có thể được xây dựng từ nguồn trên máy không có GPU và không cài đặt trình điều khiển NVIDIA.

Docker là cách dễ nhất để xây dựng hỗ trợ GPU cho TensorFlow vì máy chủ chỉ yêu cầu trình điều khiển NVIDIA® (không cần cài đặt NVIDIA® CUDA® Toolkit ). Tham khảo hướng dẫn hỗ trợ GPU và hướng dẫn Docker TensorFlow để thiết lập nvidia-docker (chỉ dành cho Linux).

Ví dụ sau đây tải xuống ảnh TensorFlow :devel-gpu và sử dụng nvidia-docker để chạy container hỗ trợ GPU. Ảnh phát triển này được cấu hình để xây dựng gói pip có hỗ trợ GPU:

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

Sau đó, trong môi trường ảo của vùng chứa, hãy xây dựng gói TensorFlow có hỗ trợ GPU:

./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

Cài đặt và xác minh gói trong vùng chứa và kiểm tra 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')))"

Thành công: TensorFlow đã được cài đặt.

Cấu hình xây dựng đã được thử nghiệm

Linux

Bộ xử lý

Phiên bản	Phiên bản Python	Trình biên dịch	Xây dựng công cụ
tensorflow-2.20.0	3.9-3.13	Clang 18.1.8	Bazel 7.4.1
tensorflow-2.19.0	3.9-3.12	Clang 18.1.8	Bazel 6.5.0
tensorflow-2.18.0	3.9-3.12	Clang 17.0.6	Bazel 6.5.0
tensorflow-2.17.0	3.9-3.12	Clang 17.0.6	Bazel 6.5.0
tensorflow-2.16.1	3.9-3.12	Clang 17.0.6	Bazel 6.5.0
tensorflow-2.15.0	3.9-3.11	Clang 16.0.0	Bazel 6.1.0
tensorflow-2.14.0	3.9-3.11	Clang 16.0.0	Bazel 6.1.0
tensorflow-2.13.0	3.8-3.11	Clang 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

Bộ xử lý đồ họa

Phiên bản	Phiên bản Python	Trình biên dịch	Xây dựng công cụ	cuDNN	CUDA
tensorflow-2.20.0	3.9-3.13	Clang 18.1.8	Bazel 7.4.1	9.3	12,5
tensorflow-2.19.0	3.9-3.12	Clang 18.1.8	Bazel 6.5.0	9.3	12,5
tensorflow-2.18.0	3.9-3.12	Clang 17.0.6	Bazel 6.5.0	9.3	12,5
tensorflow-2.17.0	3.9-3.12	Clang 17.0.6	Bazel 6.5.0	8,9	12.3
tensorflow-2.16.1	3.9-3.12	Clang 17.0.6	Bazel 6.5.0	8,9	12.3
tensorflow-2.15.0	3.9-3.11	Clang 16.0.0	Bazel 6.1.0	8,9	12.2
tensorflow-2.14.0	3.9-3.11	Clang 16.0.0	Bazel 6.1.0	8,7	11.8
tensorflow-2.13.0	3.8-3.11	Clang 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

Bộ xử lý

Phiên bản	Phiên bản Python	Trình biên dịch	Xây dựng công cụ
tensorflow-2.16.1	3.9-3.12	Clang từ Xcode 13.6	Bazel 6.5.0
tensorflow-2.15.0	3.9-3.11	Clang từ xcode 10.15	Bazel 6.1.0
tensorflow-2.14.0	3.9-3.11	Clang từ xcode 10.15	Bazel 6.1.0
tensorflow-2.13.0	3.8-3.11	Clang từ xcode 10.15	Bazel 5.3.0
tensorflow-2.12.0	3.8-3.11	Clang từ xcode 10.15	Bazel 5.3.0
tensorflow-2.11.0	3.7-3.10	Clang từ xcode 10.14	Bazel 5.3.0
tensorflow-2.10.0	3.7-3.10	Clang từ xcode 10.14	Bazel 5.1.1
tensorflow-2.9.0	3.7-3.10	Clang từ xcode 10.14	Bazel 5.0.0
tensorflow-2.8.0	3.7-3.10	Clang từ xcode 10.14	Bazel 4.2.1
tensorflow-2.7.0	3,7-3,9	Clang từ xcode 10.11	Bazel 3.7.2
tensorflow-2.6.0	3,6-3,9	Clang từ xcode 10.11	Bazel 3.7.2
tensorflow-2.5.0	3,6-3,9	Clang từ xcode 10.11	Bazel 3.7.2
tensorflow-2.4.0	3,6-3,8	Clang từ xcode 10.3	Bazel 3.1.0
tensorflow-2.3.0	3,5-3,8	Clang từ xcode 10.1	Bazel 3.1.0
tensorflow-2.2.0	3,5-3,8	Clang từ xcode 10.1	Bazel 2.0.0
tensorflow-2.1.0	2,7, 3,5-3,7	Clang từ xcode 10.1	Bazel 0.27.1
tensorflow-2.0.0	2,7, 3,5-3,7	Clang từ xcode 10.1	Bazel 0.27.1
tensorflow-2.0.0	2,7, 3,3-3,7	Clang từ xcode 10.1	Bazel 0.26.1
tensorflow-1.15.0	2,7, 3,3-3,7	Clang từ xcode 10.1	Bazel 0.26.1
tensorflow-1.14.0	2,7, 3,3-3,7	Clang từ xcode	Bazel 0.24.1
tensorflow-1.13.1	2,7, 3,3-3,7	Clang từ xcode	Bazel 0.19.2
tensorflow-1.12.0	2,7, 3,3-3,6	Clang từ xcode	Bazel 0.15.0
tensorflow-1.11.0	2,7, 3,3-3,6	Clang từ xcode	Bazel 0.15.0
tensorflow-1.10.0	2,7, 3,3-3,6	Clang từ xcode	Bazel 0.15.0
tensorflow-1.9.0	2,7, 3,3-3,6	Clang từ xcode	Bazel 0.11.0
tensorflow-1.8.0	2,7, 3,3-3,6	Clang từ xcode	Bazel 0.10.1
tensorflow-1.7.0	2,7, 3,3-3,6	Clang từ xcode	Bazel 0.10.1
tensorflow-1.6.0	2,7, 3,3-3,6	Clang từ xcode	Bazel 0.8.1
tensorflow-1.5.0	2,7, 3,3-3,6	Clang từ xcode	Bazel 0.8.1
tensorflow-1.4.0	2,7, 3,3-3,6	Clang từ xcode	Bazel 0.5.4
tensorflow-1.3.0	2,7, 3,3-3,6	Clang từ xcode	Bazel 0.4.5
tensorflow-1.2.0	2,7, 3,3-3,6	Clang từ xcode	Bazel 0.4.5
tensorflow-1.1.0	2,7, 3,3-3,6	Clang từ xcode	Bazel 0.4.2
tensorflow-1.0.0	2,7, 3,3-3,6	Clang từ xcode	Bazel 0.4.2

Bộ xử lý đồ họa

Phiên bản	Phiên bản Python	Trình biên dịch	Xây dựng công cụ	cuDNN	CUDA
tensorflow_gpu-1.1.0	2,7, 3,3-3,6	Clang từ xcode	Bazel 0.4.2	5.1	8
tensorflow_gpu-1.0.0	2,7, 3,3-3,6	Clang từ xcode	Bazel 0.4.2	5.1	8